mmgeneration Download - mmgeneration Source Code Download

mmgeneration

Python

v0.7.3 Released

Herunterladen

Englisch | 简体中文

Was ist neu

MMgeneration wurde bei MMediting zusammengeführt. Und wir haben Aufgaben und Modelle der neuen Generation unterstützt. Wir heben die folgenden neuen Funktionen hervor:

? Text2image
- ✅ gleiten
- ✅ Disco-Diffusion
- ✅ Stalldiffusion
? 3D-bewusste Generation
- ✅ EG3D

Einführung

MMGeneration ist ein leistungsstarkes Toolkit für generative Modelle, insbesondere für Gans jetzt. Es basiert auf Pytorch und MMCV. Der Master -Zweig arbeitet mit Pytorch 1.5+ .

Hauptmerkmale

Hochwertige Schulungsleistung: Wir unterstützen derzeit Schulungen zu bedingungslosen Gans, internen Gans und Bildübersetzungsmodellen. Die Unterstützung für bedingte Modelle wird bald kommen.
Leistungsstarkes Anwendungs -Toolkit: Ein zahlreiches Toolkit mit mehreren Anwendungen in Gans wird Benutzern zur Verfügung gestellt. Gan Interpolation, GaN -Projektion und Gan -Manipulationen sind in unseren Rahmen integriert. Es ist Zeit, mit deinen Gans zu spielen! (Tutorial für Anwendungen)
Effizientes verteiltes Training für generative Modelle: Für das hochdynamische Training in generativen Modellen verwenden wir eine neue Möglichkeit, dynamische Modelle mit MMDDP zu trainieren. (Tutorial für DDP)
Neues modulares Design für eine flexible Kombination: Ein neues Design für komplexe Verlustmodule wird zum Anpassen der Verbindungen zwischen Modulen vorgeschlagen, die eine flexible Kombination zwischen verschiedenen Modulen erzielen können. (Tutorial für ein neues modulares Design)

Trainingsvisualisierung	Gan Interpolation	Gan Projector	Gan Manipulation

Highlight

Positionscodierung als räumliche induktive Verzerrung in GANs (CVPR2021) wurde in MMGeneration freigesetzt. [Config], [Projektseite]
In unserem Toolkit wurden bedingte Gans unterstützt. Weitere Methoden und vorgebreitete Gewichte werden bald kommen.
Das Training mit gemischtem Präzision (FP16) für Stylegan2 wurde unterstützt. Bitte überprüfen Sie den Vergleich zwischen verschiedenen Implementierungen.

Changelog

V0.7.3 wurde am 14.04.2023 veröffentlicht. Weitere Informationen und Veröffentlichungsgeschichte finden Sie in ChangeLog.md.

Installation

MMGeneration hängt von Pytorch und MMCV ab. Im Folgenden finden Sie schnelle Schritte für die Installation.

Schritt 1. Installieren Sie Pytorch nach offiziellen Anweisungen, z. B.

 pip3 install torch torchvision

Schritt 2. MMCV mit MIM installieren.

 pip3 install openmim
mim install mmcv-full

Schritt 3. Installieren Sie die MMGeneration aus der Quelle.

 git clone https://github.com/open-mmlab/mmgeneration.git
cd mmgeneration
pip3 install -e .

Weitere detailliertere Anweisungen finden Sie unter get_started.md.

Erste Schritte

Bitte beachten Sie Get_Started.md für die grundlegende Verwendung von MMGeneration. DOCS/EN/Quick_run.md kann die vollständige Anleitung für Quick Run anbieten. Weitere Details und Tutorials finden Sie in unserer Dokumentation.

Modellzoo

Diese Methoden wurden in unseren Frameworks sorgfältig untersucht und unterstützt:

Bedingungslose Gans (klicken, um zusammenzubrechen)

✅ dcgan (ICLR'2016)
✅ WGAN-GP (NIPS'2017)
✅ lsgan (ICCV'2017)
✅ ggan (arxiv'2017)
✅ pggan (ICLR'2018)
✅ Styleganv1 (CVPR'2019)
✅ StyleGanv2 (CVPR'2020)
✅ StyleGanv3 (Neurips'2021)
✅ Positionscodierung in Gans (CVPR'2021)

Bedingte Gans (klicken, um zusammenzubrechen)

✅ Sngan (ICLR'2018)
✅ Projektion Gan (ICLR'2018)
✅ Sagan (ICML'2019)
✅ Biggan/Biggan-Deep (ICLR'2019)

Tricks für Gans (klicken, um zusammenzubrechen)

✅ ADA (Neurips'2020)

Image2Image -Übersetzung (Klicken, um zusammenzubrechen)

✅ pix2pix (cvpr'2017)
✅ Cyclegan (ICCV'2017)

Internes Lernen (klicken, um zusammenzubrechen)

✅ Singan (ICCV'2019)

Denoising diffusion probabilistische Modelle (Klicken Sie zum Zusammenbruch)

✅ verbessertes DDPM (Arxiv'2021)

Anwendungen verwandte

✅ mmgen-facestylor

Beitragen

Wir schätzen alle Beiträge zur Verbesserung der MMGeneration. Weitere Informationen zum beitragenden Richtlinie finden Sie unter beitragen.md in MMCV.

Zitat

Wenn Sie dieses Projekt in Ihrer Forschung nützlich finden, sollten Sie zitieren:

 @misc { 2021mmgeneration ,
    title = { {MMGeneration}: OpenMMLab Generative Model Toolbox and Benchmark } ,
    author = { MMGeneration Contributors } ,
    howpublished = { url{https://github.com/open-mmlab/mmgeneration} } ,
    year = { 2021 }
}

Lizenz

Dieses Projekt wird unter der Apache 2.0 -Lizenz veröffentlicht. Einige Operationen in MMGeneration sind mit anderen Lizenzen anstelle von Apache2.0. Weitere Informationen finden Sie unter lizenzen.md, um den Code für kommerzielle Angelegenheiten zu überprüfen.

Projekte in OpenMmlab

MMCV: OpenMMLAB Fundamentalbibliothek für Computer Vision.
MIM: MIM installiert OpenMMLab -Pakete.
MMClassifizierung: OpenMMMLAB Image Classification Toolbox und Benchmark.
Mmdetion: OpenMmlab -Erkennungs -Toolbox und Benchmark.
MMDETECTICE3D: OpenMMLAB-Plattform der nächsten Generation für die allgemeine 3D-Objekterkennung.
MMROTATE: OpenMMMLAB -Toolbox und Benchmark gedrehte Objekterkennung.
MMSegmentierung: OpenMMMLAB Semantic Segmentation Toolbox und Benchmark.
MMOCR: OpenMMLAB -Texterkennung, Erkennung und Verständnis der Toolbox.
MMIltier: OpenMMMLAB -Pose -Schätzung Toolbox und Benchmark.
MMHUMAN3D: OpenMMLAB 3D Human Parametric Model Toolbox und Benchmark.
MMMELSUP: OpenMMMLAB Self-überprüfte Lern-Toolbox und Benchmark.
MMrazor: OpenMMMLAB -Modellkomprimierungs -Toolbox und Benchmark.
MMFewShot: OpenMMMLAB WeeShot Learning Toolbox und Benchmark.
MMACTION2: OpenMMMLAB-Aktion der nächsten Generation, das Toolbox und Benchmark zu verstehen.
MMTRACKING: OpenMMLAB -Videowahrnehmungs -Toolbox und Benchmark.
MMflow: OpenMMMLAB Optical Flow Toolbox und Benchmark.
MMediting: OpenMMMLAB -Bild- und Videobearbeitungs -Toolbox.
MMGeneration: OpenMMMLAB -Bild- und Videogenerative Modelle Toolbox.
MMDeploy: OpenMMLAB -Modellbereitstellungsframework.