媒体生成计算机视觉深度学习人工智能大模型【免费下载链接】mmagicOpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Unlock the magic : Generative-AI (AIGC), easy-to-use APIs, awsome model zoo, diffusion models, for text-to-image generation, image/video restoration/enhancement, etc.项目地址https://gitcode.com/gh_mirrors/mm/mmagic点击查看免费下载UDM10 是视频超分辨率Video Super-Resolution, VSR领域广泛使用的经典测试基准本文以 MMagic 仓库中 tools/dataset_converters/udm10/README_zh-CN.md 为核心完整讲解 UDM10 的下载方式、目录组织规范并结合 basicvsr_test_config.py 与多个模型 metafile从源码层面剖析 MMagic 如何加载、评测这一数据集。读完本文你将能够独立完成 UDM10 的下载与目录搭建并理解其在 BasicVSR、BasicVSR、IconVSR 等视频超分模型评测中的完整调用链路。UDM10 数据集是什么源自 PFNL 论文的视频超分测试基准UDM10 由论文Progressive Fusion Video Super-Resolution Network via Exploiting Non-Local Spatio-Temporal Correlations简称 PFNL发表于 ICCV 2019提出并公开作为视频超分辨率任务的评测基准使用。该数据集的引入出处以 BibTeX 形式记录在 MMagic 的数据集说明文档中inproceedings{PFNL, title{Progressive Fusion Video Super-Resolution Network via Exploiting Non-Local Spatio-Temporal Correlations}, author{Yi, Peng and Wang, Zhongyuan and Jiang, Kui and Jiang, Junjun and Ma, Jiayi}, booktitle{IEEE International Conference on Computer Vision (ICCV)}, pages{3106-3115}, year{2019}, }从数据集名称UDM10即 10 个 Ultra Definition 视频序列可以推断它由约 10 个高清视频序列组成且官方直接提供了多种退化版本的降质帧便于研究者直接评测模型在不同退化条件下的重建能力。在 MMagic 中UDM10 主要承担BDx4模糊后 4 倍下采样退化下的测试集角色与 REDS4、Vid4、Vimeo-90K-T 共同构成视频超分模型的多基准评测体系。下载数据集UDM10 数据集由论文作者公开发布下载入口已记录于 tools/dataset_converters/udm10/README_zh-CN.md 中文中给出了对应的 Google Drive 下载链接。下载完成后你会得到一个压缩包其中应同时包含 GT高清真值与对应的退化版本序列。提示由于数据集体积较大建议在具备稳定网络环境的前提下下载并核对文件完整性后再解压避免后续训练/评测时因缺帧或文件损坏导致加载失败。标准目录结构MMagic 约定MMagic 遵循「仓库根目录下统一放置 data 数据目录」的约定。解压并整理后UDM10 的目录结构必须与仓库预期严格一致MMagic 才能正确加载。官方文档给出的标准结构如下mmagic ├── mmagic ├── tools ├── configs ├── data │ ├── UDM10 │ │ ├── GT │ │ ├── BIx4 │ │ ├── BDx4各目录含义如下data/UDM10/GT高清真值帧Ground Truth即原始未退化的视频帧data/UDM10/BIx4双三次插值Bicubic4 倍下采样得到的低分辨率帧对应 BIBicubic退化data/UDM10/BDx4先做模糊Blur再做 4 倍下采样得到的低分辨率帧对应 BDBlurDownsample退化这也是 MMagic 中 UDM10 评测默认使用的退化类型。之所以同时提供BIx4与BDx4两份低分辨率版本是因为不同退化方式对超分模型的挑战不同BI 退化只涉及插值造成的细节损失而 BD 退化额外引入了模糊核更贴近真实成像链路中的退化过程。在 MMagic 的视频超分评测中UDM10 采用 BDx4 作为输入退化这一点可以从测试配置中的data_prefixdict(imgBDx4, gtGT)得到印证详见下文。源码级解析MMagic 如何加载并评测 UDM10UDM10 在 MMagic 中的完整评测配置定义在 configs/base/datasets/basicvsr_test_config.py 中该文件被 BasicVSR 等模型的测试配置通过_base_机制引用例如 basicvsr_2xb4_reds4.py 中../_base_/datasets/basicvsr_test_config.py。1. 数据根目录# config for UDM10 (BDx4) udm10_data_root data/UDM10udm10_data_root指向仓库根目录下的data/UDM10与上文的目录结构一一对应。这也解释了为什么必须把数据集放在data/UDM10下——配置中直接以相对仓库根目录的路径进行引用。2. 数据加载流水线udm10_pipeline [ dict( typeGenerateSegmentIndices, interval_list[1], filename_tmpl{:04d}.png), dict(typeLoadImageFromFile, keyimg, channel_orderrgb), dict(typeLoadImageFromFile, keygt, channel_orderrgb), dict(typePackInputs) ]GenerateSegmentIndices为视频序列生成连续帧索引interval_list[1]表示按 1 的间隔顺序取帧filename_tmpl{:04d}.png表明 UDM10 的帧以 4 位数字零填充命名如0001.png、0002.png。LoadImageFromFile分别以img低分辨率输入与gt高清真值两个 key 加载 RGB 图像。PackInputs将图像与元信息打包为模型输入。3. DataLoader 与 Dataset 配置udm10_dataloader dict( num_workers1, batch_size1, persistent_workersFalse, samplerdict(typeDefaultSampler, shuffleFalse), datasetdict( typeBasicFramesDataset, metainfodict(dataset_typeudm10, task_namevsr), data_rootudm10_data_root, data_prefixdict(imgBDx4, gtGT), pipelineudm10_pipeline))关键参数说明参数取值含义typeBasicFramesDatasetMMagic 中处理视频帧序列的基础数据集类位于 mmagic/datasets/basic_frames_dataset.pymetainfo.dataset_typeudm10数据集类型标识metainfo.task_namevsr任务类型标识视频超分data_prefiximgBDx4, gtGT明确输入帧取自BDx4目录、真值取自GT目录即 UDM10 在 MMagic 中默认以 BDx4 退化评测batch_size1评测时每批 1 个序列samplerDefaultSampler(shuffleFalse)测试阶段不打乱顺序4. 评测指标Y 通道上的 PSNR / SSIMudm10_evaluator [ dict(typePSNR, convert_toY, prefixUDM10-BDx4-Y), dict(typeSSIM, convert_toY, prefixUDM10-BDx4-Y) ]UDM10 的评测指标为PSNR与SSIM且通过convert_toY将 RGB 图像转换为 YUV 色彩空间的亮度通道Y 通道后再计算指标——这与视频超分领域在 Y 通道上评估的惯例一致也解释了为什么模型结果表中的 UDM10 一栏标注为PSNR (Y) / SSIM (Y)。prefixUDM10-BDx4-Y用于在日志中区分不同数据集的指标输出。在多个视频超分模型中的评测落地结果一览UDM10BDx4作为标准测试基准被写入多个视频超分模型的 metafile 与 README 中。以下是仓库中可查证的公开评测结果来源configs/basicvsr/metafile.yml、configs/basicvsr_pp/metafile.yml、configs/iconvsr/metafile.yml模型训练数据UDM10 (BDx4) PSNR (Y)UDM10 (BDx4) SSIM (Y)BasicVSRREDS433.44780.9306BasicVSRVimeo-90K (BIx4)34.55540.9451BasicVSRVimeo-90K (BDx4)39.99530.9695BasicVSRREDS434.68680.9417BasicVSRVimeo-90K (BDx4)40.72160.9722IconVSRREDS435.33770.9471IconVSRVimeo-90K (BDx4)40.06400.9697从表中可以观察到在 BDx4 退化下使用同退化类型Vimeo-90K BDx4训练的模型在 UDM10 上表现显著更优这也侧面印证了 UDM10 BDx4 作为同退化分布评测基准的检验价值。完整评测链路验证从目录到指标输出将 UDM10 准备就绪后你可以直接复用 BasicVSR 的测试配置完成端到端验证。核心测试命令为python tools/test.py configs/basicvsr/basicvsr_2xb4_reds4.py checkpoint路径 --work-dir ./work_dirs/xxx执行时MMagic 会依次执行以下链路configs/basicvsr/basicvsr_2xb4_reds4.py通过_base_引入 basicvsr_test_config.py其中test_dataloader列表同时包含 REDS4、Vimeo-90K-BI/BD、UDM10BDx4、Vid4-BI/BD 六组测试集各组测试集各自加载、推理并由udm10_evaluator计算UDM10-BDx4-Y前缀下的 PSNR/SSIM指标汇总输出到日志与工作目录。因此只要你的data/UDM10目录结构符合上文规范GT、BIx4、BDx4 三个子目录完整即可在跑 BasicVSR、BasicVSR、IconVSR 等模型测试时自动获得 UDM10 (BDx4) 的评测结果无需额外配置。小结UDM10 是 MMagic 视频超分评测体系中不可或缺的测试基准之一。准备该数据集的核心步骤可以概括为三点从论文作者公开渠道下载数据集 → 解压并整理为data/UDM10/{GT,BIx4,BDx4}的标准目录结构 → 直接复用 basicvsr_test_config.py 中现成的 UDM10 评测配置。理解BasicFramesDataset的加载约定、imgBDx4, gtGT的前缀映射以及 Y 通道 PSNR/SSIM 的评测惯例将帮助你在自定义视频超分实验时快速完成数据接入与结果复现。赞分享媒体生成计算机视觉深度学习人工智能大模型【免费下载链接】mmagicOpenMMLab Multimodal Advanced, Generative, and Intelligent Creation Toolbox. Unlock the magic : Generative-AI (AIGC), easy-to-use APIs, awsome model zoo, diffusion models, for text-to-image generation, image/video restoration/enhancement, etc.项目地址https://gitcode.com/gh_mirrors/mm/mmagic点击查看免费下载相关推荐mmagic 中准备 SPMCS 视频超分辨率测试数据集下载、目录组织与配置使用指南mmagic 中准备 SPMCS 视频超分辨率测试数据集下载、目录组织与配置使用指南 导读 本文是 mmagic 官方数据准备系列文档之一聚焦视频超分辨率媒体生成计算机视觉深度学习人工智能大模型Swift属性与方法完全指南存储属性、计算属性、下标与懒加载Swift编程语言中文版Swift属性与方法完全指南存储属性、计算属性、下标与懒加载Swift编程语言中文版 本文基于 Apple 官方《Swift 编程语言》the swif媒体生成计算机视觉深度学习人工智能大模型RuoYi-Vue3 Electron 桌面化实战4 步把 Web 后台变成跨平台桌面应用RuoYi Vue3 Electron 桌面化实战4 步把 Web 后台变成跨平台桌面应用 RuoYi Vue3 权限管理系统平时部署在 Web 服务器上一媒体生成计算机视觉深度学习人工智能大模型上一篇3分钟免费激活Windows和OfficeKMS_VL_ALL_AIO智能脚本终极指南下一篇Translumo你的专属屏幕翻译助手3分钟开启无语言障碍体验创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考