Attention center 是一个机器学习模型，这个仓库包含：
- 一个 TensorFlow Lite 模型，可用于预测图像的注意中心，即图像中最突出的部分所在的区域
- 一个 Python 脚本，可用于使用注意力中心对图像进行批量编码。这可以和子模块 libjxl 一起使用，以便创建 JPEG XL 图像，这样解码图像将从由模型决定的注意中心开始。
Google Attention center 模型的一些预测实例，其中绿点是模型预测的图像注意力中心点。
如何使用
请确保你已经安装了 Python 和 Tensorflow：
- 从 GitHub 上克隆它，包括子模块
- 构建 libjxl，按照 libjxl repo 中给出的说明
- 运行 encode_with_centers.py 脚本。
git clone https://github.com/google/attention-center --recursive --shallow-submodules cd attention-center/libjxl mkdir build cd build cmake -DCMAKE_BUILD_TYPE=Release -DBUILD_TESTING=OFF .. cmake --build . -- -j$(nproc) cd ../../ python encode_with_centers.py --lite_model_file=./model/center.tflite \ --image_dir="${INPUT_IMAGE_DIR}" --output_dir="${OUTPUT_IMAGE_DIR}"
有以下标志：
--[no]dry_run: If true, only do a dry run, do not write files.
(default: 'false')
--encoder: Location of th encoder binary.
--image_dir: Name of the directory of input images.
(default: './libjxl/build/tools/cjxl')
--lite_model_file: Path to the corresponding TFLite model.
--new_suffix: File extension of the compressed file.
(default: 'jxl')
--output_dir: Name of the directory of the output images.
--[no]verbose: If true, prints info about the commands executed.
(default: 'true')
评论