hallu.py

   1 #!/usr/bin/env python
   2
   3 # Any copyright is dedicated to the Public Domain.
   4 # https://creativecommons.org/publicdomain/zero/1.0/
   5
   6 # Written by Francois Fleuret <francois@fleuret.org>
   7
   8 # ImageMagick's montage to make the mosaic
   9 #
  10 # montage hallu-*.png -tile 5x6 -geometry +1+1 result.png
  11
  12 import PIL, torch, torchvision
  13 from torch.nn import functional as F
  14
  15 class MultiScaleEdgeEnergy(torch.nn.Module):
  16     def __init__(self):
  17         super().__init__()
  18         k = torch.exp(- torch.tensor([[-2., -1., 0., 1., 2.]])**2 / 2)
  19         k = (k.t() @ k).view(1, 1, 5, 5)
  20         self.gaussian_5x5 = torch.nn.Parameter(k / k.sum()).requires_grad_(False)
  21
  22     def forward(self, x):
  23         u = x.view(-1, 1, x.size(2), x.size(3))
  24         result = 0.0
  25         while min(u.size(2), u.size(3)) > 5:
  26             blurry  = F.conv2d(u, self.gaussian_5x5, padding = 2)
  27             result += (u - blurry).view(u.size(0), -1).pow(2).sum(1)
  28             u = F.avg_pool2d(u, kernel_size = 2, padding = 1)
  29         return result.view(x.size(0), -1).sum(1)
  30
  31 img = torchvision.transforms.ToTensor()(PIL.Image.open('blacklab.jpg'))
  32 img = img.view((1,) + img.size())
  33 ref_input = 0.5 + 0.5 * (img - img.mean()) / img.std()
  34
  35 mse_loss = torch.nn.MSELoss()
  36 edge_energy = MultiScaleEdgeEnergy()
  37
  38 layers = torchvision.models.vgg16(pretrained = True).features
  39 layers.eval()
  40
  41 if torch.cuda.is_available():
  42     edge_energy.cuda()
  43     ref_input = ref_input.cuda()
  44     layers.cuda()
  45
  46 for l in [ 5, 7, 12, 17, 21, 28 ]:
  47     model = torch.nn.Sequential(layers[:l])
  48     ref_output = model(ref_input).detach()
  49
  50     for n in range(5):
  51         input = torch.empty_like(ref_input).uniform_(-0.01, 0.01).requires_grad_()
  52         optimizer = torch.optim.Adam( [ input ], lr = 1e-2)
  53         for k in range(1000):
  54             output = model(input)
  55             loss = mse_loss(output, ref_output) + 1e-3 * edge_energy(input)
  56             optimizer.zero_grad()
  57             loss.backward()
  58             optimizer.step()
  59
  60         img = 0.5 + 0.2 * (input - input.mean()) / input.std()
  61         result_name = 'hallu-l%02d-n%02d.png' % (l, n)
  62         torchvision.utils.save_image(img, result_name)
  63
  64         print('Wrote ' + result_name)