【亲测免费】 DeblurGAN：使用生成对抗网络进行图像去模糊

DeblurGAN 是一种基于生成对抗网络的图像去模糊方法，通过条件对抗网络实现了盲运动去模糊的Pytorch实现。本仓库提供了该方法的完整代码和预训练模型权重，用户可以方便地复现和使用该技术。

简介

本仓库中的DeblurGAN使用条件性Wasserstein GAN，结合基于VGG-19激活的渐变惩罚与感知损失，能够有效地将模糊的图像转化为清晰图像。该架构在其他图像到图像的转换任务（如超分辨率、着色、修复、除雾等）上也表现出了良好的效果。

先决条件

• NVIDIA GPU + CUDA CuDNN（CPU未经测试，感谢反馈）
• Pytorch环境

使用方法

1. 下载仓库中的代码和权重文件。
2. 将下载的权重文件放入 .checkpoints/experiment 目录下。
3. 运行相应的代码即可开始图像去模糊任务。

注意：在推论过程中，您仅需保持Generator权重。

注意事项

• 本项目未经CPU测试，请在具有NVIDIA GPU和CUDA的环境中运行。
• 请确保已安装Pytorch及其相关依赖。
• 项目中不包含任何联系方式，如需交流请通过官方渠道。

感谢您的关注和使用！