johnowhitaker/vqgan16k_reconstruction

该数据集旨在训练一个模型来修复VQGAN生成的图像中的伪影，特别是人脸周围的伪影。数据集包含超过10万个样本，每个样本包括一个512px的图像、一个256px的缩小版本以及通过VQGAN编码和解码后的256px重建版本。数据集的用途是训练模型从256px的VQGAN输出恢复到尽可能接近原始图像的状态，或者尝试输出一个放大到512px的版本。

原始信息汇总

数据集概述

数据集名称

• 名称: vqgan1024_reconstruction
• 作者: johnowhitaker

数据集内容

• 数据量: 超过100,000个样本
• 每个样本包含:
  • 一个512像素的图像
  • 一个256像素的同图像的缩小版本
  • 一个重建版本，由256像素图像通过VQGAN模型（f16, 16384 imagenet版本）编码后再解码得到

数据集目的

• 训练模型以从256像素的VQGAN输出恢复至尽可能接近原始图像，或尝试输出一个放大的512像素版本。

数据集使用示例

python from datasets import load_dataset dataset = load_dataset(johnowhitaker/vqgan1024_reconstruction) dataset[train][0][image_256] # 原始图像 dataset[train][0][reconstruction_256] # 重建版本

相关链接

• VQGAN模型: 链接
• 数据准备代码: 链接
• 类似数据集: 链接 (使用较小词汇量的VQGAN)