PhotoSketch

Foto-Sketching: Ableiten von Konturzeichnungen aus Bildern

Dieses Repo enthält den Trainings- und Testcode für unseren Skizzengenerator. Wir bieten auch ein [vorgebildetes Modell].

Für technische Details und den Datensatz finden Sie auf der [Papier] und [Projektseite] .

Einrichten

Der Code wird jetzt aktualisiert, um PyTorch 0.4 zu verwenden, und läuft unter Windows, Mac und Linux. Für die veraltete Version mit Pytorch 0.3 (nur Linux) schauen Sie sich den Zweig Pytorch-0.3-Obsolete an.

Windows -Benutzer sollten die entsprechenden .cmd -Dateien anstelle von .sh -Dateien finden, die unten erwähnt werden.

Einleitungsinstallation (mit Conda-Umgebungen)

conda env create -f environment.yml

Dann aktivieren Sie die Umgebung (Skizze) und Sie sind bereit zu gehen!

Weitere Informationen zu Conda -Umgebungen finden Sie hier.

Manuelle Installation

Eine Liste von Abhängigkeiten finden Sie unter environment.yml .

Verwenden des vorgebildeten Modells

• Laden Sie das vorgebildete Modell herunter
• Ändern Sie den Pfad in scripts/test_pretrained.sh
• Führen Sie aus dem Root -Verzeichnis des Repos scripts/test_pretrained.sh aus

Es unterstützt einen Ordner von Bildern als Eingabe.

Train & testen Sie auf unserem Konturzeichnungsdatensatz

• Laden Sie die Bilder und die gerenderte Skizze von der Projektseite herunter
• Entpacken Sie und organisieren Sie sie in die folgende Struktur:

• Ändern Sie den Pfad in scripts/train.sh und scripts/test.sh
• Führen Sie aus dem Root -Verzeichnis des Repos scripts/train.sh aus, um das Modell zu trainieren
• Führen Sie aus dem Root -Verzeichnis des Repos scripts/test.sh aus, um auf dem Val -Satz oder dem Testsatz zu testen (angegeben durch das Phasenflag).

Zitat

Wenn Sie den Code oder die Daten für Ihre Forschung verwenden, zitieren Sie bitte das Papier:

 @article{LIPS2019,
  title={Photo-Sketching: Inferring Contour Drawings from Images},
  author={Li, Mengtian and Lin, Zhe and Mv ech, Radom'ir and and Yumer, Ersin and Ramanan, Deva},
  journal={WACV},
  year={2019}
}

Anerkennung

Dieser Code basiert auf einer alten Version von PIX2Pix.