PISE DOWNLOAD - PISE Quellcode Download

PISE

Anderer Quellcode

1.0.0

Herunterladen

Pis

Der Code für unser CVPR -Papierpise: Personbildsynthese und Bearbeitung mit entkoppelter GaN, Projektseite, Supp.

Erfordernis

 conda create -n pise python=3.6
conda install pytorch=1.2 cudatoolkit=10.0 torchvision
pip install scikit-image pillow pandas tqdm dominate natsort

Daten

Die Datenvorbereitung für Bilder und Tastaturen können Pose Transfer und GFLA folgen.

Laden Sie Deep Fashion Dataset herunter. Sie müssen ein Passwort von Dataset -Betreuern einfragen. Unzip 'img/img.zip' und geben Sie den Ordner mit dem Namen 'img' in das Verzeichnis './fashion_data'.
Download Zug-/Testschlüsselpunkte Anmerkungen und die Datensatzliste von Google Drive, einschließlich fashion-pair-train.csv , fashion-pair-test.csv , fashion-Annotation-train.csv , fashion-Annotation-train.csv, Zug. lst , test.lst . Setzen Sie diese Dateien unter das Verzeichnis ./fashion_data .
Führen Sie den folgenden Code aus, um den Zug-/Testdatensatz zu teilen.
```
 python data/generate_fashion_datasets.py
```
Laden Sie Parsingdaten herunter und legen Sie diese Dateien unter das Verzeichnis ./fashion_data . Das Analysieren von Daten zum Testen finden Sie von Baidu (Effectch Code: ABCD) oder Google Drive. Parsingdaten für das Training finden Sie von Baidu (Effectch Code: ABCD) oder Google Drive. Sie können die Daten mit PGN folgen und die Beschriftungen nach Bedarf neu organisieren.

Zug

 python train.py --name=fashion --model=painet --gpu_ids=0

Beachten Sie, dass wenn Sie ein Pose-Transfermodell sowie eine Texturübertragung und die Bearbeitung von Regionen trainieren möchten, die Zeile 177 und 178 und die Kontrollzeile 162-176.

Für das Training mit Multi-GPUs können Sie sich auf das Problem in GFLA verweisen

Prüfen

Sie können unsere Testergebnisse von Baidu (Fetchcode: ABCD) oder Google Drive direkt herunterladen.
Der vorgeborene Kontrollpunkt der in unserem Artikel gemeldeten Human-Pose-Transfer finden Sie von Baidu (Fetchcode: ABCD) oder Google Drive und stellen Sie ihn in den Ordner (-> Ergebnisse-> Mode).

Vorausgebildeter Kontrollpunkt von Texturtransfa, Region Bearbeitung, in unserem Artikel verwendete Stilinterpolation finden Sie in Baidu (Fetchcode: ABCD) oder Google Drive. Beachten Sie, dass das Modell geändert werden muss.

Test selbst

 python test.py --name=fashion --model=painet --gpu_ids=0

Zitat

Wenn Sie diesen Code verwenden, zitieren Sie bitte unser Papier.

 @InProceedings{Zhang_2021_CVPR,
    author    = {Zhang, Jinsong and Li, Kun and Lai, Yu-Kun and Yang, Jingyu},
    title     = {{PISE}: Person Image Synthesis and Editing With Decoupled GAN},
    booktitle = {Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)},
    month     = {June},
    year      = {2021},
    pages     = {7982-7990}
}