الصفحة الرئيسية>المتعلقة بالبرمجة>كود الذكاء الاصطناعي
تنزيل

GP-GAN: نحو مزج واقعي للصور عالية الدقة (ACMMM 2019، شفهي )

[مشروع] [ورقة] [عرض توضيحي] [الأعمال ذات الصلة: A2RL (لقص الصور تلقائيًا)] [Colab]
تنفيذ Chainer الرسمي لـ GP-GAN: نحو مزج صور واقعي عالي الدقة

ملخص

مصدر وجهة قناع مركب المخلوطة

تطبيق المؤلف لـ GP-GAN، خوارزمية مزج الصور عالية الدقة الموضحة في:
"GP-GAN: نحو مزج صور واقعي عالي الدقة"
هويكاي وو، شواي تشنغ، جونج تشانغ، كايكي هوانغ

بالنظر إلى القناع، يمكن للخوارزمية الخاصة بنا مزج الصورة المصدر والصورة الوجهة، مما يؤدي إلى إنشاء صورة ممزوجة عالية الدقة وواقعية. تعتمد خوارزميتنا على نماذج توليدية عميقة Wasserstein GAN.

جهة الاتصال: هوي كاي وو ([email protected])

الاقتباس 

 @article{wu2017gp,
  title   = {GP-GAN: Towards Realistic High-Resolution Image Blending},
  author  = {Wu, Huikai and Zheng, Shuai and Zhang, Junge and Huang, Kaiqi},
  journal = {ACMMM},
  year    = {2019}
}

ابدء

  • تم اختبار الكود باستخدام python==3.5 و chainer==6.3.0 على Ubuntu 16.04 LTS .

  • قم بتنزيل الكود من GitHub: 

    git clone https://github.com/wuhuikai/GP-GAN.git
cd GP-GAN

  • تثبيت المتطلبات: 

    pip install -r requirements/test/requirements.txt

  • قم بتنزيل النموذج المُدرب مسبقًا blending_gan.npz أو unsupervised_blending_gan.npz من Google Drive، ثم ضعهما في المجلد models .

  • قم بتشغيل البرنامج النصي لـ blending_gan.npz : 

    python run_gp_gan.py --src_image images/test_images/src.jpg --dst_image images/test_images/dst.jpg --mask_image images/test_images/mask.png --blended_image images/test_images/result.png

    أو قم بتشغيل البرنامج النصي لـ unsupervised_blending_gan.npz : 

    python run_gp_gan.py --src_image images/test_images/src.jpg --dst_image images/test_images/dst.jpg --mask_image images/test_images/mask.png --blended_image images/test_images/result.png --supervised False

  • اكتب python run_gp_gan.py --help للحصول على قائمة كاملة بالوسائط.

تدريب GP-GAN خطوة بخطوة

تدريب مزج GAN

  • قم بتنزيل مجموعة بيانات السمات العابرة هنا.

  • قص الصور في كل مجلد فرعي: 

    python crop_aligned_images.py --data_root [Path for imageAlignedLD in Transient Attributes Dataset]

  • تدريب مزج GAN: 

    python train_blending_gan.py --data_root [Path for cropped aligned images of Transient Attributes Dataset]

  • منحنى التدريب

  • نتيجة مرئية

    مجموعة التدريب مجموعة التحقق من الصحة

تدريب المزج غير الخاضع للرقابة GAN

  • متطلبات 

    pip install git+git://github.com/mila-udem/fuel.git@stable

  • قم بتنزيل مجموعة بيانات hdf5 الخاصة بالصور الطبيعية الخارجية:ourdoor_64.hdf5 (1.4G)، والتي تحتوي على 150 ألف صورة طبيعية من مجموعة بيانات MIT Places.

  • تدريب المزج غير الخاضع للرقابة على GAN: 

    python train_wasserstein_gan.py --data_root [Path for outdoor_64.hdf5]

  • منحنى التدريب

  • عينات بعد التدريب

النتائج المرئية

قناع النسخ واللصق تعديل بواسون خطوط متعددة تحت إشراف GP-GAN GP-GAN غير خاضعة للرقابة
يوسع
معلومات إضافية
تطبيقات ذات صلة
نوصي لك
أخبار ذات صلة الكل