ดาวน์โหลด GP GAN - ดาวน์โหลดซอร์สโค้ด GP GAN

GP GAN

โค้ดแหล่งที่มา AI

1.0.0

ดาวน์โหลด

GP-GAN: สู่การผสมผสานภาพความละเอียดสูงที่สมจริง (ACMMM 2019, ปากเปล่า )

[โครงการ] [กระดาษ] [สาธิต] [งานที่เกี่ยวข้อง: A2RL (สำหรับการครอบตัดรูปภาพอัตโนมัติ)] [Colab]
การใช้งาน Chainer อย่างเป็นทางการของ GP-GAN: สู่การผสมผสานภาพความละเอียดสูงที่สมจริง

ภาพรวม

แหล่งที่มา	ปลายทาง	หน้ากาก	คอมโพสิต	ผสม

การใช้งาน GP-GAN ของผู้เขียนซึ่งเป็นอัลกอริธึมการผสมภาพความละเอียดสูงที่อธิบายไว้ใน:
"GP-GAN: สู่การผสมผสานภาพความละเอียดสูงที่สมจริง"
ฮุ่ยไค หวู่, ซวย เจิ้ง, จุงเก่อ จาง, ไคฉี หวง

ด้วยการใช้มาสก์ อัลกอริธึมของเราสามารถผสมผสานภาพต้นฉบับและภาพปลายทาง ทำให้เกิดภาพผสมที่มีความละเอียดสูงและสมจริง อัลกอริทึมของเราใช้แบบจำลองเชิงลึก Wasserstein GAN

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

การอ้างอิง

 @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}
}

เริ่มต้นใช้งาน

รหัสได้รับการทดสอบด้วย python==3.5 และ chainer==6.3.0 บน Ubuntu 16.04 LTS

ดาวน์โหลดโค้ดจาก GitHub:

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

ติดตั้งข้อกำหนด:

pip install -r requirements/test/requirements.txt

ดาวน์โหลดโมเดลที่ฝึกไว้แล้ว blending_gan.npz หรือ unsupervised_blending_gan.npz จาก Google Drive จากนั้นนำไปไว้ในโฟลเดอร์ models

รันสคริปต์สำหรับ 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

หรือ รันสคริปต์สำหรับ 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

พิมพ์ python run_gp_gan.py --help เพื่อดูรายการอาร์กิวเมนต์ทั้งหมด

ฝึก GP-GAN ทีละขั้นตอน

รถไฟผสม GAN

ดาวน์โหลดชุดข้อมูลคุณลักษณะชั่วคราวได้ที่นี่

ครอบตัดรูปภาพในแต่ละโฟลเดอร์ย่อย:

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

รถไฟผสม GAN:

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

เส้นโค้งการฝึกอบรม
ผลการมองเห็น
ชุดฝึกซ้อม ชุดการตรวจสอบ

การฝึกอบรม GAN การผสมแบบไม่มีผู้ดูแล

ความต้องการ

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

ดาวน์โหลดชุดข้อมูล hdf5 ของภาพธรรมชาติกลางแจ้ง: ourdoor_64.hdf5 (1.4G) ซึ่งมีภาพทิวทัศน์ 150,000 ภาพจากชุดข้อมูล MIT Places
ฝึก Blending GAN ที่ไม่ได้รับการดูแล:
```
python train_wasserstein_gan.py --data_root [Path for outdoor_64.hdf5]
```
เส้นโค้งการฝึกอบรม
ตัวอย่างหลังการฝึกอบรม