git.sesse.net Git - ffmpeg/blob - libavfilter/vf_srcnn.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  */
  26
  27 #include "avfilter.h"
  28 #include "formats.h"
  29 #include "internal.h"
  30 #include "libavutil/opt.h"
  31 #include "libavformat/avio.h"
  32 #include "dnn_interface.h"
  33
  34 typedef struct SRCNNContext {
  35     const AVClass *class;
  36
  37     char* model_filename;
  38     float* input_output_buf;
  39     DNNModule* dnn_module;
  40     DNNModel* model;
  41     DNNData input_output;
  42 } SRCNNContext;
  43
  44 #define OFFSET(x) offsetof(SRCNNContext, x)
  45 #define FLAGS AV_OPT_FLAG_FILTERING_PARAM | AV_OPT_FLAG_VIDEO_PARAM
  46 static const AVOption srcnn_options[] = {
  47     { "model_filename", "path to model file specifying network architecture and its parameters", OFFSET(model_filename), AV_OPT_TYPE_STRING, {.str=NULL}, 0, 0, FLAGS },
  48     { NULL }
  49 };
  50
  51 AVFILTER_DEFINE_CLASS(srcnn);
  52
  53 static av_cold int init(AVFilterContext* context)
  54 {
  55     SRCNNContext* srcnn_context = context->priv;
  56
  57     srcnn_context->dnn_module = ff_get_dnn_module(DNN_TF);
  58     if (!srcnn_context->dnn_module){
  59         srcnn_context->dnn_module = ff_get_dnn_module(DNN_NATIVE);
  60         if (!srcnn_context->dnn_module){
  61             av_log(context, AV_LOG_ERROR, "could not create dnn module\n");
  62             return AVERROR(ENOMEM);
  63         }
  64         else{
  65             av_log(context, AV_LOG_INFO, "using native backend for DNN inference\n");
  66         }
  67     }
  68     else{
  69         av_log(context, AV_LOG_INFO, "using tensorflow backend for DNN inference\n");
  70     }
  71     if (!srcnn_context->model_filename){
  72         av_log(context, AV_LOG_INFO, "model file for network was not specified, using default network for x2 upsampling\n");
  73         srcnn_context->model = (srcnn_context->dnn_module->load_default_model)(DNN_SRCNN);
  74     }
  75     else{
  76         srcnn_context->model = (srcnn_context->dnn_module->load_model)(srcnn_context->model_filename);
  77     }
  78     if (!srcnn_context->model){
  79         av_log(context, AV_LOG_ERROR, "could not load dnn model\n");
  80         return AVERROR(EIO);
  81     }
  82
  83     return 0;
  84 }
  85
  86 static int query_formats(AVFilterContext* context)
  87 {
  88     const enum AVPixelFormat pixel_formats[] = {AV_PIX_FMT_YUV420P, AV_PIX_FMT_YUV422P, AV_PIX_FMT_YUV444P,
  89                                                 AV_PIX_FMT_YUV410P, AV_PIX_FMT_YUV411P, AV_PIX_FMT_GRAY8,
  90                                                 AV_PIX_FMT_NONE};
  91     AVFilterFormats* formats_list;
  92
  93     formats_list = ff_make_format_list(pixel_formats);
  94     if (!formats_list){
  95         av_log(context, AV_LOG_ERROR, "could not create formats list\n");
  96         return AVERROR(ENOMEM);
  97     }
  98     return ff_set_common_formats(context, formats_list);
  99 }
 100
 101 static int config_props(AVFilterLink* inlink)
 102 {
 103     AVFilterContext* context = inlink->dst;
 104     SRCNNContext* srcnn_context = context->priv;
 105     DNNReturnType result;
 106
 107     srcnn_context->input_output_buf = av_malloc(inlink->h * inlink->w * sizeof(float));
 108     if (!srcnn_context->input_output_buf){
 109         av_log(context, AV_LOG_ERROR, "could not allocate memory for input/output buffer\n");
 110         return AVERROR(ENOMEM);
 111     }
 112
 113     srcnn_context->input_output.data = srcnn_context->input_output_buf;
 114     srcnn_context->input_output.width = inlink->w;
 115     srcnn_context->input_output.height = inlink->h;
 116     srcnn_context->input_output.channels = 1;
 117
 118     result = (srcnn_context->model->set_input_output)(srcnn_context->model->model, &srcnn_context->input_output, &srcnn_context->input_output);
 119     if (result != DNN_SUCCESS){
 120         av_log(context, AV_LOG_ERROR, "could not set input and output for the model\n");
 121         return AVERROR(EIO);
 122     }
 123     else{
 124         return 0;
 125     }
 126 }
 127
 128 typedef struct ThreadData{
 129     uint8_t* out;
 130     int out_linesize, height, width;
 131 } ThreadData;
 132
 133 static int uint8_to_float(AVFilterContext* context, void* arg, int jobnr, int nb_jobs)
 134 {
 135     SRCNNContext* srcnn_context = context->priv;
 136     const ThreadData* td = arg;
 137     const int slice_start = (td->height *  jobnr     ) / nb_jobs;
 138     const int slice_end   = (td->height * (jobnr + 1)) / nb_jobs;
 139     const uint8_t* src = td->out + slice_start * td->out_linesize;
 140     float* dst = srcnn_context->input_output_buf + slice_start * td->width;
 141     int y, x;
 142
 143     for (y = slice_start; y < slice_end; ++y){
 144         for (x = 0; x < td->width; ++x){
 145             dst[x] = (float)src[x] / 255.0f;
 146         }
 147         src += td->out_linesize;
 148         dst += td->width;
 149     }
 150
 151     return 0;
 152 }
 153
 154 static int float_to_uint8(AVFilterContext* context, void* arg, int jobnr, int nb_jobs)
 155 {
 156     SRCNNContext* srcnn_context = context->priv;
 157     const ThreadData* td = arg;
 158     const int slice_start = (td->height *  jobnr     ) / nb_jobs;
 159     const int slice_end   = (td->height * (jobnr + 1)) / nb_jobs;
 160     const float* src = srcnn_context->input_output_buf + slice_start * td->width;
 161     uint8_t* dst = td->out + slice_start * td->out_linesize;
 162     int y, x;
 163
 164     for (y = slice_start; y < slice_end; ++y){
 165         for (x = 0; x < td->width; ++x){
 166             dst[x] = (uint8_t)(255.0f * FFMIN(src[x], 1.0f));
 167         }
 168         src += td->width;
 169         dst += td->out_linesize;
 170     }
 171
 172     return 0;
 173 }
 174
 175 static int filter_frame(AVFilterLink* inlink, AVFrame* in)
 176 {
 177     AVFilterContext* context = inlink->dst;
 178     SRCNNContext* srcnn_context = context->priv;
 179     AVFilterLink* outlink = context->outputs[0];
 180     AVFrame* out = ff_get_video_buffer(outlink, outlink->w, outlink->h);
 181     ThreadData td;
 182     int nb_threads;
 183     DNNReturnType dnn_result;
 184
 185     if (!out){
 186         av_log(context, AV_LOG_ERROR, "could not allocate memory for output frame\n");
 187         av_frame_free(&in);
 188         return AVERROR(ENOMEM);
 189     }
 190     av_frame_copy_props(out, in);
 191     av_frame_copy(out, in);
 192     av_frame_free(&in);
 193     td.out = out->data[0];
 194     td.out_linesize = out->linesize[0];
 195     td.height = out->height;
 196     td.width = out->width;
 197
 198     nb_threads = ff_filter_get_nb_threads(context);
 199     context->internal->execute(context, uint8_to_float, &td, NULL, FFMIN(td.height, nb_threads));
 200
 201     dnn_result = (srcnn_context->dnn_module->execute_model)(srcnn_context->model);
 202     if (dnn_result != DNN_SUCCESS){
 203         av_log(context, AV_LOG_ERROR, "failed to execute loaded model\n");
 204         return AVERROR(EIO);
 205     }
 206
 207     context->internal->execute(context, float_to_uint8, &td, NULL, FFMIN(td.height, nb_threads));
 208
 209     return ff_filter_frame(outlink, out);
 210 }
 211
 212 static av_cold void uninit(AVFilterContext* context)
 213 {
 214     SRCNNContext* srcnn_context = context->priv;
 215
 216     if (srcnn_context->dnn_module){
 217         (srcnn_context->dnn_module->free_model)(&srcnn_context->model);
 218         av_freep(&srcnn_context->dnn_module);
 219     }
 220     av_freep(&srcnn_context->input_output_buf);
 221 }
 222
 223 static const AVFilterPad srcnn_inputs[] = {
 224     {
 225         .name         = "default",
 226         .type         = AVMEDIA_TYPE_VIDEO,
 227         .config_props = config_props,
 228         .filter_frame = filter_frame,
 229     },
 230     { NULL }
 231 };
 232
 233 static const AVFilterPad srcnn_outputs[] = {
 234     {
 235         .name = "default",
 236         .type = AVMEDIA_TYPE_VIDEO,
 237     },
 238     { NULL }
 239 };
 240
 241 AVFilter ff_vf_srcnn = {
 242     .name          = "srcnn",
 243     .description   = NULL_IF_CONFIG_SMALL("Apply super resolution convolutional neural network to the input. Use bicubic upsamping with corresponding scaling factor before."),
 244     .priv_size     = sizeof(SRCNNContext),
 245     .init          = init,
 246     .uninit        = uninit,
 247     .query_formats = query_formats,
 248     .inputs        = srcnn_inputs,
 249     .outputs       = srcnn_outputs,
 250     .priv_class    = &srcnn_class,
 251     .flags         = AVFILTER_FLAG_SUPPORT_TIMELINE_GENERIC | AVFILTER_FLAG_SLICE_THREADS,
 252 };
 253