pytorch AdaIN
v0.0.0
هذا هو تطبيق Pytorch غير رسمي لورقة ، نقل النمط التعسفي في الوقت الفعلي مع تطبيع مثيل تكيفي [Huang+، ICCV2017]. أنا ممتن حقًا للتنفيذ الأصلي في الشعلة من قبل المؤلفين ، وهو أمر مفيد للغاية.
يرجى تثبيت المتطلبات عن طريق pip install -r requirements.txt
(اختياري ، للتدريب)
قم بتنزيل decoder.pth / vgg_normalized.pth من الإصدار ووضعها تحت models/ .
استخدم --content و --style لتوفير المسار المعني لصورة المحتوى والأناقة.
CUDA_VISIBLE_DEVICES=<gpu_id> python test.py --content input/content/cornell.jpg --style input/style/woman_with_hat_matisse.jpg
يمكنك أيضًا تشغيل التعليمات البرمجية على أدلة محتوى الصور وأسلوب الصور باستخدام --content_dir و --style_dir . سيوفر كل مجموعة ممكنة من المحتوى والأنماط إلى دليل الإخراج.
CUDA_VISIBLE_DEVICES=<gpu_id> python test.py --content_dir input/content --style_dir input/style
هذا مثال على خلط أربعة أنماط عن طريق تحديد خيار --style و --style_interpolation_weights .
CUDA_VISIBLE_DEVICES=<gpu_id> python test.py --content input/content/avril.jpg --style input/style/picasso_self_portrait.jpg,input/style/impronte_d_artista.jpg,input/style/trial.jpg,input/style/antimonocromatismo.jpg --style_interpolation_weights 1,1,1,1 --content_size 512 --style_size 512 --crop
بعض الخيارات الأخرى:
--content_size : حجم جديد (الحد الأدنى) لصورة المحتوى. الحفاظ على الحجم الأصلي إذا تم ضبطه على 0.--style_size : حجم جديد (الحد الأدنى) لصورة المحتوى. الحفاظ على الحجم الأصلي إذا تم ضبطه على 0.--alpha : اضبط درجة الأسلوب. يجب أن تكون قيمة بين 0.0 و 1.0 (افتراضي).--preserve_color : الحفاظ على لون صورة المحتوى. استخدم --content_dir و --style_dir لتوفير الدليل المعني لصور المحتوى والأناقة.
CUDA_VISIBLE_DEVICES=<gpu_id> python train.py --content_dir <content_dir> --style_dir <style_dir>
لمزيد من التفاصيل والمعلمات ، يرجى الرجوع إلى خيار -help.
أشارك النموذج الذي تم تدريبه بواسطة هذا الرمز باسم iter_1000000.pth عند الإصدار.
