GP GAN

GP-GAN: Menuju Pencampuran Gambar Resolusi Tinggi yang Realistis (ACMMM 2019, lisan )

[Proyek] [Kertas] [Demo] [Pekerjaan Terkait: A2RL (untuk Pemotongan Gambar Otomatis)] [Colab]
Implementasi Chainer Resmi GP-GAN: Menuju Pencampuran Gambar Resolusi Tinggi yang Realistis

Ringkasan

sumber	tujuan	masker	gabungan	campuran

Implementasi penulis atas GP-GAN, algoritma pencampuran gambar resolusi tinggi dijelaskan dalam:
"GP-GAN: Menuju Pencampuran Gambar Resolusi Tinggi yang Realistis"
Huikai Wu, Shuai Zheng, Junge Zhang, Kaiqi Huang

Dengan adanya topeng, algoritme kami dapat memadukan gambar sumber dan gambar tujuan, menghasilkan gambar campuran beresolusi tinggi dan realistis. Algoritme kami didasarkan pada model generatif mendalam Wasserstein GAN.

Kontak: Hui-Kai Wu ([email protected])

Kutipan

 @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}
}

Memulai

• Kode diuji dengan python==3.5 dan chainer==6.3.0 di Ubuntu 16.04 LTS .

• Unduh kode dari GitHub:

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

• Instal persyaratan:

  pip install -r requirements/test/requirements.txt

• Unduh model blending_gan.npz atau unsupervised_blending_gan.npz yang telah dilatih sebelumnya dari Google Drive, lalu letakkan di folder models .

• Jalankan skrip untuk 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

  Atau jalankan skrip untuk 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

• Ketik python run_gp_gan.py --help untuk daftar argumen lengkap.

Latih GP-GAN selangkah demi selangkah

Melatih Pencampuran GAN

• Unduh Kumpulan Data Atribut Sementara di sini.

• Pangkas gambar di setiap subfolder:

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

• Kereta Pencampuran GAN:

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

• Kurva Pelatihan

  

• Hasil Visual

  Perangkat Pelatihan	Set Validasi

Pelatihan Pencampuran GAN Tanpa Pengawasan

• Persyaratan

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

• Unduh kumpulan data hdf5 gambar alam luar ruangan: ourdoor_64.hdf5 (1.4G), yang berisi 150 ribu gambar lanskap dari kumpulan data MIT Places.

• Latih Blending GAN tanpa pengawasan:

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

• Kurva Pelatihan

• Sampel setelah pelatihan

  

Hasil visual

Masker	Salin dan Tempel	Dimodifikasi-Poisson	Multi-spline	GP-GAN yang diawasi	GP-GAN tanpa pengawasan