git.sesse.net Git - ffmpeg/blob - libavfilter/vf_sr.c

   1 /*
   2  * Copyright (c) 2018 Sergey Lavrushkin
   3  *
   4  * This file is part of FFmpeg.
   5  *
   6  * FFmpeg is free software; you can redistribute it and/or
   7  * modify it under the terms of the GNU Lesser General Public
   8  * License as published by the Free Software Foundation; either
   9  * version 2.1 of the License, or (at your option) any later version.
  10  *
  11  * FFmpeg is distributed in the hope that it will be useful,
  12  * but WITHOUT ANY WARRANTY; without even the implied warranty of
  13  * MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  14  * Lesser General Public License for more details.
  15  *
  16  * You should have received a copy of the GNU Lesser General Public
  17  * License along with FFmpeg; if not, write to the Free Software
  18  * Foundation, Inc., 51 Franklin Street, Fifth Floor, Boston, MA 02110-1301 USA
  19  */
  20
  21 /**
  22  * @file
  23  * Filter implementing image super-resolution using deep convolutional networks.
  24  * https://arxiv.org/abs/1501.00092
  25  * https://arxiv.org/abs/1609.05158
  26  */
  27
  28 #include "avfilter.h"
  29 #include "formats.h"
  30 #include "internal.h"
  31 #include "libavutil/opt.h"
  32 #include "libavutil/pixdesc.h"
  33 #include "libavformat/avio.h"
  34 #include "libswscale/swscale.h"
  35 #include "dnn_interface.h"
  36
  37 typedef struct SRContext {
  38     const AVClass *class;
  39
  40     char *model_filename;
  41     DNNBackendType backend_type;
  42     DNNModule *dnn_module;
  43     DNNModel *model;
  44     int scale_factor;
  45     struct SwsContext *sws_uv_scale;
  46     int sws_uv_height;
  47     struct SwsContext *sws_pre_scale;
  48 } SRContext;
  49
  50 #define OFFSET(x) offsetof(SRContext, x)
  51 #define FLAGS AV_OPT_FLAG_FILTERING_PARAM | AV_OPT_FLAG_VIDEO_PARAM
  52 static const AVOption sr_options[] = {
  53     { "dnn_backend", "DNN backend used for model execution", OFFSET(backend_type), AV_OPT_TYPE_INT, { .i64 = 0 }, 0, 1, FLAGS, "backend" },
  54     { "native", "native backend flag", 0, AV_OPT_TYPE_CONST, { .i64 = 0 }, 0, 0, FLAGS, "backend" },
  55 #if (CONFIG_LIBTENSORFLOW == 1)
  56     { "tensorflow", "tensorflow backend flag", 0, AV_OPT_TYPE_CONST, { .i64 = 1 }, 0, 0, FLAGS, "backend" },
  57 #endif
  58     { "scale_factor", "scale factor for SRCNN model", OFFSET(scale_factor), AV_OPT_TYPE_INT, { .i64 = 2 }, 2, 4, FLAGS },
  59     { "model", "path to model file specifying network architecture and its parameters", OFFSET(model_filename), AV_OPT_TYPE_STRING, {.str=NULL}, 0, 0, FLAGS },
  60     { NULL }
  61 };
  62
  63 AVFILTER_DEFINE_CLASS(sr);
  64
  65 static av_cold int init(AVFilterContext *context)
  66 {
  67     SRContext *sr_context = context->priv;
  68
  69     sr_context->dnn_module = ff_get_dnn_module(sr_context->backend_type);
  70     if (!sr_context->dnn_module){
  71         av_log(context, AV_LOG_ERROR, "could not create DNN module for requested backend\n");
  72         return AVERROR(ENOMEM);
  73     }
  74
  75     if (!sr_context->model_filename){
  76         av_log(context, AV_LOG_ERROR, "model file for network was not specified\n");
  77         return AVERROR(EIO);
  78     }
  79     if (!sr_context->dnn_module->load_model) {
  80         av_log(context, AV_LOG_ERROR, "load_model for network was not specified\n");
  81         return AVERROR(EIO);
  82     }
  83     sr_context->model = (sr_context->dnn_module->load_model)(sr_context->model_filename, NULL, NULL);
  84     if (!sr_context->model){
  85         av_log(context, AV_LOG_ERROR, "could not load DNN model\n");
  86         return AVERROR(EIO);
  87     }
  88
  89     return 0;
  90 }
  91
  92 static int query_formats(AVFilterContext *context)
  93 {
  94     const enum AVPixelFormat pixel_formats[] = {AV_PIX_FMT_YUV420P, AV_PIX_FMT_YUV422P, AV_PIX_FMT_YUV444P,
  95                                                 AV_PIX_FMT_YUV410P, AV_PIX_FMT_YUV411P, AV_PIX_FMT_GRAY8,
  96                                                 AV_PIX_FMT_NONE};
  97     AVFilterFormats *formats_list;
  98
  99     formats_list = ff_make_format_list(pixel_formats);
 100     if (!formats_list){
 101         av_log(context, AV_LOG_ERROR, "could not create formats list\n");
 102         return AVERROR(ENOMEM);
 103     }
 104
 105     return ff_set_common_formats(context, formats_list);
 106 }
 107
 108 static int config_output(AVFilterLink *outlink)
 109 {
 110     AVFilterContext *context = outlink->src;
 111     SRContext *ctx = context->priv;
 112     DNNReturnType result;
 113     AVFilterLink *inlink = context->inputs[0];
 114     AVFrame *out = NULL;
 115     const char *model_output_name = "y";
 116
 117     // have a try run in case that the dnn model resize the frame
 118     AVFrame *fake_in = ff_get_video_buffer(inlink, inlink->w, inlink->h);
 119     out = ff_get_video_buffer(inlink, inlink->w, inlink->h);
 120     result = (ctx->dnn_module->execute_model)(ctx->model, "x", fake_in,
 121                                               (const char **)&model_output_name, 1, out);
 122     if (result != DNN_SUCCESS){
 123         av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 124         return AVERROR(EIO);
 125     }
 126
 127     if (fake_in->width != out->width || fake_in->height != out->height) {
 128         //espcn
 129         outlink->w = out->width;
 130         outlink->h = out->height;
 131         if (inlink->format != AV_PIX_FMT_GRAY8){
 132             const AVPixFmtDescriptor *desc = av_pix_fmt_desc_get(inlink->format);
 133             int sws_src_h = AV_CEIL_RSHIFT(inlink->h, desc->log2_chroma_h);
 134             int sws_src_w = AV_CEIL_RSHIFT(inlink->w, desc->log2_chroma_w);
 135             int sws_dst_h = AV_CEIL_RSHIFT(outlink->h, desc->log2_chroma_h);
 136             int sws_dst_w = AV_CEIL_RSHIFT(outlink->w, desc->log2_chroma_w);
 137             ctx->sws_uv_scale = sws_getContext(sws_src_w, sws_src_h, AV_PIX_FMT_GRAY8,
 138                                                sws_dst_w, sws_dst_h, AV_PIX_FMT_GRAY8,
 139                                                SWS_BICUBIC, NULL, NULL, NULL);
 140             ctx->sws_uv_height = sws_src_h;
 141         }
 142     } else {
 143         //srcnn
 144         outlink->w = out->width * ctx->scale_factor;
 145         outlink->h = out->height * ctx->scale_factor;
 146         ctx->sws_pre_scale = sws_getContext(inlink->w, inlink->h, inlink->format,
 147                                         outlink->w, outlink->h, outlink->format,
 148                                         SWS_BICUBIC, NULL, NULL, NULL);
 149     }
 150
 151     av_frame_free(&fake_in);
 152     av_frame_free(&out);
 153     return 0;
 154 }
 155
 156 static int filter_frame(AVFilterLink *inlink, AVFrame *in)
 157 {
 158     AVFilterContext *context = inlink->dst;
 159     SRContext *ctx = context->priv;
 160     AVFilterLink *outlink = context->outputs[0];
 161     AVFrame *out = ff_get_video_buffer(outlink, outlink->w, outlink->h);
 162     DNNReturnType dnn_result;
 163     const char *model_output_name = "y";
 164
 165     if (!out){
 166         av_log(context, AV_LOG_ERROR, "could not allocate memory for output frame\n");
 167         av_frame_free(&in);
 168         return AVERROR(ENOMEM);
 169     }
 170     av_frame_copy_props(out, in);
 171
 172     if (ctx->sws_pre_scale) {
 173         sws_scale(ctx->sws_pre_scale,
 174                     (const uint8_t **)in->data, in->linesize, 0, in->height,
 175                     out->data, out->linesize);
 176         dnn_result = (ctx->dnn_module->execute_model)(ctx->model, "x", out,
 177                                                       (const char **)&model_output_name, 1, out);
 178     } else {
 179         dnn_result = (ctx->dnn_module->execute_model)(ctx->model, "x", in,
 180                                                       (const char **)&model_output_name, 1, out);
 181     }
 182
 183     if (dnn_result != DNN_SUCCESS){
 184         av_log(ctx, AV_LOG_ERROR, "failed to execute loaded model\n");
 185         av_frame_free(&in);
 186         av_frame_free(&out);
 187         return AVERROR(EIO);
 188     }
 189
 190     if (ctx->sws_uv_scale) {
 191         sws_scale(ctx->sws_uv_scale, (const uint8_t **)(in->data + 1), in->linesize + 1,
 192                   0, ctx->sws_uv_height, out->data + 1, out->linesize + 1);
 193         sws_scale(ctx->sws_uv_scale, (const uint8_t **)(in->data + 2), in->linesize + 2,
 194                   0, ctx->sws_uv_height, out->data + 2, out->linesize + 2);
 195     }
 196
 197     av_frame_free(&in);
 198     return ff_filter_frame(outlink, out);
 199 }
 200
 201 static av_cold void uninit(AVFilterContext *context)
 202 {
 203     SRContext *sr_context = context->priv;
 204
 205     if (sr_context->dnn_module){
 206         (sr_context->dnn_module->free_model)(&sr_context->model);
 207         av_freep(&sr_context->dnn_module);
 208     }
 209
 210     sws_freeContext(sr_context->sws_uv_scale);
 211     sws_freeContext(sr_context->sws_pre_scale);
 212 }
 213
 214 static const AVFilterPad sr_inputs[] = {
 215     {
 216         .name         = "default",
 217         .type         = AVMEDIA_TYPE_VIDEO,
 218         .filter_frame = filter_frame,
 219     },
 220     { NULL }
 221 };
 222
 223 static const AVFilterPad sr_outputs[] = {
 224     {
 225         .name = "default",
 226         .config_props = config_output,
 227         .type = AVMEDIA_TYPE_VIDEO,
 228     },
 229     { NULL }
 230 };
 231
 232 AVFilter ff_vf_sr = {
 233     .name          = "sr",
 234     .description   = NULL_IF_CONFIG_SMALL("Apply DNN-based image super resolution to the input."),
 235     .priv_size     = sizeof(SRContext),
 236     .init          = init,
 237     .uninit        = uninit,
 238     .query_formats = query_formats,
 239     .inputs        = sr_inputs,
 240     .outputs       = sr_outputs,
 241     .priv_class    = &sr_class,
 242 };