Auramask Ensemble Poprocket

✨ 主要特性

• 多種指標評估：使用TopIQ - FR、ArcFace Cosine Distance、VGGFace2 Cosine Distance等指標進行評估。
• 特定數據集：基於logasja/FDF數據集進行訓練。
• 圖像到圖像轉換：適用於圖像到圖像的轉換任務。
• 多種特性：具有對抗、美學、質量和過濾等特性。

📚 詳細文檔

模型描述

該模型使用了改進的vnet進行2D輸入輸出，具體實現可參考此處，其配置如下：

{
    "activation": "ReLU",
    "batch_norm": false,
    "filter_num": [
        128,
        256,
        512,
        1024,
        1024
    ],
    "n_labels": 3,
    "output_activation": "tanh",
    "pool": false,
    "res_num_ini": 1,
    "res_num_max": 3,
    "unpool": false
}

訓練配置如下：

{
    "alpha": 0.0001,
    "batch": 32,
    "epochs": 500,
    "epsilon": 1,
    "input": "(256, 256)",
    "losses": {
        "FEAT_ArcFace": {
            "d": "cosine_similarity",
            "f": "ArcFace",
            "name": "FEAT_ArcFace",
            "reduction": "sum_over_batch_size",
            "threshold": 0.68,
            "weight": 0.05
        },
        "FEAT_VGG-Face": {
            "d": "cosine_similarity",
            "f": "VGG-Face",
            "name": "FEAT_VGG-Face",
            "reduction": "sum_over_batch_size",
            "threshold": 0.68,
            "weight": 0.05
        },
        "IQASSIMC": {
            "lower_better": false,
            "name": "IQASSIMC",
            "reduction": "sum_over_batch_size",
            "weight": 0.5
        },
        "TopIQ": {
            "full_ref": true,
            "lower_better": false,
            "name": "TopIQ",
            "reduction": "sum_over_batch_size",
            "score_range": "~0, ~1",
            "weight": 0.5
        }
    },
    "mixed_precision": true,
    "optimizer": {
        "amsgrad": false,
        "beta_1": 0.9,
        "beta_2": 0.999,
        "clipnorm": null,
        "clipvalue": null,
        "ema_momentum": 0.99,
        "ema_overwrite_frequency": null,
        "epsilon": 1e-07,
        "global_clipnorm": null,
        "gradient_accumulation_steps": null,
        "learning_rate": 9.999999747378752e-05,
        "loss_scale_factor": null,
        "name": "adamw",
        "use_ema": false,
        "weight_decay": 0.004
    },
    "seed": "BIIIIIGSTRETCH",
    "testing": 0.01,
    "training": 0.99
}

模型架構圖

🔧 技術細節

模型信息

組件說明

• 激活函數：使用ReLU激活函數。
• 批歸一化：未使用批歸一化（batch_norm: false）。
• 過濾器數量：包含多個不同數量的過濾器。
• 輸出激活函數：使用tanh作為輸出激活函數。

訓練配置

• 損失函數：使用多種損失函數組合，包括FEAT_ArcFace、FEAT_VGG - Face、IQASSIMC和TopIQ。
• 優化器：使用adamw優化器，並設置了相關參數。
• 訓練輪數：訓練500個epoch。
• 數據集劃分：99%用於訓練，1%用於測試。

📄 許可證

本模型使用GPL - 3.0許可證。