Few Shot Super Resolution
This is a research project, code is not meant to be ready to run but can give directions ideas to explore on the subject. The repo is a bit messy. MAML has been implemented, another idea would be to use a separate network to learn the weights of a CNN which actually performs the super-resolution. This approach is similar to CAR (Content adaptive resampler, paper can be easily found on arxiv)
./benchmark -> code avec des metrics pour faire les benchmark type PSNR/SSIM
./data-processing -> Soupe pour formater les données ou couper les images ou autre
run.py -> le parser CLI qui permet d'éxecuter le code en lui passant les bons arguments. (c'est comme un menu principal)
utils.py -> les loaders de dataset et petit vérificateur que les fichiers sont bien des images
finetuner.py -> ébauche de code, pas fini et qui marche pas
meta.py -> assez important, code de départ = l'implémentation de MAML envoyée sur Slack, j'ai modifié un peu le code pour rajouter des fonctionalités comme les blocks résiduels etc
FSSR.py -> le code principal. Différentes fonctions qui correspondent à des modes du fichier run.py
evaluation.py -> code pour faire les benchmarks notamment.
models.py -> les models vanilla, normalement y'a une implémentation de EDSR mais il faut surement regarder le papier de EDSR pour changer la taille du réseau et les scaling factors pour que ça marche bien.
loss_functions.py -> pas très utile, c'est des fonctions de perte type perception différentes de MSE