Skip to content

使用onnxruntime部署MOWA:多合一图像扭曲模型,能处理6种图像扭曲任务,依然是包含C++和Python两个版本的程序

Notifications You must be signed in to change notification settings

hpc203/MOWA-onnxrun

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

8 Commits
 
 
 
 
 
 

Repository files navigation

paper名称是《MOWA: Multiple-in-One Image Warping Model》, ariv链接 https://arxiv.org/pdf/2404.10716 我第一次读这篇paper时,就被文章将开头的图片吸引了,图片是这样的。 teaser 可以看到,它一个模型就解决多个图像扭曲任务的,并且在摘要里的最后说:“大量实验表明,我们的 MOWA 在六个多合一图像扭曲任务上进行训练,在大多数任务上都优于最先进的特定任务模型。此外,MOWA 还表现出泛化到未见过场景的潜力,跨域和零样本评估证明了这一点。”

这么好的文章,我立刻就想着导出onnx模型文件,编写推理部署程序的,经过3天的编写和调试,最后发布了这套代码。 起初想用opencv-dnn做推理引擎的,可是opencv-dnn加载onnx文件报错了,看日志信息推测是在encoder模块里的LeWinTransformerBlock模块里的masked_fill在捣鬼 ,因此我使用onnxruntime做推理引擎。

在编写c++程序的过程中发现了一个有趣的现象,那就是在GridSamplerBilinear函数里,数组以vector的形式访问和赋值,耗时140秒, 可是以指向数组的指针形式访问和赋值,耗时只有0.003秒,相差了46666倍的速度。

onnx文件在百度云盘,链接:https://pan.baidu.com/s/1fLODbgP7oMeHUXuCR3U0xQ 提取码:auhs

测试图片数量比较多,打包上传到百度云盘了,链接:https://pan.baidu.com/s/1Fq871r6TTsxcpqthgME9cg 提取码:jxk6

About

使用onnxruntime部署MOWA:多合一图像扭曲模型,能处理6种图像扭曲任务,依然是包含C++和Python两个版本的程序

Topics

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published