Skip to content

Latest commit

 

History

History
400 lines (331 loc) · 17.4 KB

README_zh-CN.md

File metadata and controls

400 lines (331 loc) · 17.4 KB
Raw
 
OpenMMLab 官网 HOT      OpenMMLab 开放平台 TRY IT OUT
 

PyPI docs badge codecov license open issues issue resolution

📘使用文档 | 🛠️安装教程 | 📊模型库 | 🆕更新记录 | 🚀进行中的项目 | 🤔提出问题

English | 简体中文

🚀 最新进展

最新的 MMEditing v1.0.0rc7 版本已经在 [07/04/2023] 发布:

  • 支持了 DiffuserWrapper.
  • 支持了 ControlNet 的推理与训练.
  • 支持了 PyTorch 2.0 (使用 'inductor' 后端成功编译 33+ 模型).

MMEditing 已经支持了MMGeneration中的全量任务、模型、优化函数和评价指标 ，并基于MMEngine统一了各组件接口 😍。

如果想了解更多版本更新细节和历史信息，请阅读更新日志。如果想从旧版本 MMEditing 0.x 迁移到新版本 MMEditing 1.x，请阅读迁移文档。

📄 目录

🔝返回顶部

📖 介绍

MMEditing 是基于 PyTorch 的图像&视频编辑和生成开源工具箱。是 OpenMMLab 项目的成员之一。

目前 MMEditing 支持多种图像和视频的生成/编辑任务。

mmediting_supported_tasks.mp4

主分支代码的最佳实践基于 Python 3.8+ 和 PyTorch 1.9+ 。

✨ 主要特性

  • SOTA

    MMEditing 提供了处理、编辑、生成图像和视频的SOTA算法。

  • 强有力且流行的应用

    MMEditing 支持了流行的图像修复、图文生成、3D生成、图像修补、抠图、超分辨率和生成等任务的应用。特别是 MMEditing 支持了 GANs 的插值，投影和编辑和其他流行的应用。请用你的 GANs 尽情尝试！

  • 灵活组合的模块化设计

    MMEditing 将编辑框架分解为不同的组件，并且可以通过组合不同的模块轻松地构建自定义的编辑器模型。

  • 高效的分布式训练

    得益于 MMSeparateDistributedDataParallel, 动态模型结构的分布式训练可以轻松实现。

🔝返回顶部

🙌 参与贡献

越来越多社区贡献者的加入使我们的算法库日益发展。最近由社区贡献的项目包括：

为使向 MMEditing 中添加项目更加容易，我们开启了 Projects 。

感谢您为改善 MMEditing 所做的所有贡献。请参阅 MMCV 中的 CONTRIBUTING.md 和 MMEngine 中的 CONTRIBUTING.md 以获取贡献指南。

🔝返回顶部

🛠️ 安装

MMEditing 依赖 PyTorch，MMEngine 和 MMCV，以下是安装的简要步骤。

步骤 1. 依照官方教程安装 PyTorch 。

步骤 2. 使用 MIM 安装 MMCV 。

pip3 install openmim
# wait for more pre-compiled pkgs to release
mim install 'mmcv>=2.0.0'

步骤 3. 从源码安装 MMEditing

git clone https://github.com/open-mmlab/mmediting.git
cd mmediting
pip3 install -e .

更详细的安装指南请参考 安装指南 。

开始使用

请参考快速运行和推理演示获取MMEditing的基本用法。

🔝Back to top

📊 模型库

支持的算法
Conditional GANs Unconditional GANs Image Restoration Image Super-Resolution
Video Super-Resolution Video Interpolation Image Colorization Image Translation
Inpainting Matting Text-to-Image 3D-aware Generation

请参考模型库了解详情。

🔝返回顶部

🤝 致谢

MMEditing 是一款由不同学校和公司共同贡献的开源项目。我们感谢所有为项目提供算法复现和新功能支持的贡献者，以及提供宝贵反馈的用户。我们希望该工具箱和基准测试可以为社区提供灵活的代码工具，供用户复现现有算法并开发自己的新模型，从而不断为开源社区提供贡献。

🔝返回顶部

🖊️ 引用

如果 MMEditing 对您的研究有所帮助，请按照如下 bibtex 引用它。

@misc{mmediting2022,
    title = {{MMEditing}: {OpenMMLab} Image and Video Editing Toolbox},
    author = {{MMEditing Contributors}},
    howpublished = {\url{https://github.com/open-mmlab/mmediting}},
    year = {2022}
}

🔝返回顶部

🎫 许可证

本项目开源自 Apache 2.0 license。

🔝返回顶部

🏗️ ️OpenMMLab 的其他项目

  • MMEngine: OpenMMLab MMEngine.
  • MMCV: OpenMMLab 计算机视觉基础库
  • MIM: MIM 是 OpenMMlab 项目、算法、模型的统一入口
  • MMClassification: OpenMMLab 图像分类工具箱
  • MMDetection: OpenMMLab 目标检测工具箱
  • MMDetection3D: OpenMMLab 新一代通用 3D 目标检测平台
  • MMRotate: OpenMMLab 旋转框检测工具箱与测试基准
  • MMSegmentation: OpenMMLab 语义分割工具箱
  • MMOCR: OpenMMLab 全流程文字检测识别理解工具箱
  • MMPose: OpenMMLab 姿态估计工具箱
  • MMHuman3D: OpenMMLab 人体参数化模型工具箱与测试基准
  • MMSelfSup: OpenMMLab 自监督学习工具箱与测试基准
  • MMRazor: OpenMMLab 模型压缩工具箱与测试基准
  • MMFewShot: OpenMMLab 少样本学习工具箱与测试基准
  • MMAction2: OpenMMLab 新一代视频理解工具箱
  • MMTracking: OpenMMLab 一体化视频目标感知平台
  • MMFlow: OpenMMLab 光流估计工具箱与测试基准
  • MMEditing: OpenMMLab 图像视频编辑工具箱
  • MMGeneration: OpenMMLab 图片视频生成模型工具箱
  • MMDeploy: OpenMMLab 模型部署框架

🔝返回顶部

欢迎加入 OpenMMLab 社区

扫描下方的二维码可关注 OpenMMLab 团队的 知乎官方账号，加入 OpenMMLab 团队的 官方交流 QQ 群，或通过群主小喵加入微信官方交流群。

我们会在 OpenMMLab 社区为大家

  • 📢 分享 AI 框架的前沿核心技术
  • 💻 解读 PyTorch 常用模块源码
  • 📰 发布 OpenMMLab 的相关新闻
  • 🚀 介绍 OpenMMLab 开发的前沿算法
  • 🏃 获取更高效的问题答疑和意见反馈
  • 🔥 提供与各行各业开发者充分交流的平台

干货满满 📘，等你来撩 💗，OpenMMLab 社区期待您的加入 👬