Загрузка GP GAN - Загрузка исходного кода GP GAN

GP GAN

AI Исходный код

1.0.0

Скачать

GP-GAN: На пути к реалистичному смешиванию изображений высокого разрешения (ACMMM 2019, устный перевод )

[Проект] [Документ] [Демо] [Сопутствующая работа: A2RL (для автоматической обрезки изображения)] [Colab]
Официальная реализация Chainer GP-GAN: на пути к реалистичному смешиванию изображений высокого разрешения

Обзор

источник	место назначения	маска	составной	смешанный

Авторская реализация GP-GAN, алгоритма смешивания изображений высокого разрешения, описанного в:
«GP-GAN: к реалистичному смешиванию изображений высокого разрешения»
Хуйкай Ву, Шуай Чжэн, Юнге Чжан, Кайци Хуан

Учитывая маску, наш алгоритм может смешивать исходное изображение и конечное изображение, создавая реалистичное смешанное изображение с высоким разрешением. Наш алгоритм основан на глубоких генеративных моделях Wasserstein GAN.

Контактное лицо: Хуэй-Кай Ву ([email protected])

Цитирование

 @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}
}

Начиная

Код протестирован с помощью python==3.5 и chainer==6.3.0 в Ubuntu 16.04 LTS .

Загрузите код с GitHub:

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

Установите требования:

pip install -r requirements/test/requirements.txt

Загрузите предварительно обученную модель blending_gan.npz или unsupervised_blending_gan.npz с Google Drive, а затем поместите их в папку models .

Запустите скрипт 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

Или запустите скрипт 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

Введите python run_gp_gan.py --help для получения полного списка аргументов.

Тренируйте GP-GAN шаг за шагом

Поезд смешивания GAN

Загрузите набор данных переходных атрибутов здесь.

Обрезайте изображения в каждой подпапке:

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

Поезд смешивания GAN:

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

Кривая обучения
Визуальный результат
Тренировочный набор Набор проверки

Обучение неконтролируемому смешиванию GAN

Требования

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

Загрузите набор данных hdf5 с изображениями природы на открытом воздухе: Ourdoor_64.hdf5 (1.4G), который содержит 150 тысяч изображений пейзажей из набора данных MIT Places.
Обучите неконтролируемое смешивание GAN:
```
python train_wasserstein_gan.py --data_root [Path for outdoor_64.hdf5]
```
Кривая обучения
Образцы после тренировки