pytorch AdaIN

pytorch-adain

Il s'agit d'une implémentation Pytorch non officielle d'un article de style de style arbitraire en temps réel avec une normalisation des instances adaptative [Huang +, ICCV2017]. Je suis vraiment reconnaissant à la mise en œuvre originale de Torch par les auteurs, ce qui est très utile.

Exigences

Veuillez installer les exigences par pip install -r requirements.txt

• Python 3.5+
• Pytorch 0,4+
• Torchion
• Oreiller

(Facultatif, pour la formation)

• tqdm
• Tensorboardx

Usage

Télécharger des modèles

Téléchargez Decoder.pth / VGG_Normalized.pth à partir de la version et placez-les sous models/ .

Test

Utilisez --content et --style pour fournir le chemin respectif vers l'image de contenu et de style.

 CUDA_VISIBLE_DEVICES=<gpu_id> python test.py --content input/content/cornell.jpg --style input/style/woman_with_hat_matisse.jpg

Vous pouvez également exécuter le code sur les répertoires des images de contenu et de style à l'aide de --content_dir et --style_dir . Il économisera toutes les combinaisons possibles de contenu et de styles dans le répertoire de sortie.

 CUDA_VISIBLE_DEVICES=<gpu_id> python test.py --content_dir input/content --style_dir input/style

Ceci est un exemple de mélange quatre styles en spécifiant l'option --style et --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

Quelques autres options:

• --content_size : Nouvelle taille (minimum) pour l'image de contenu. Garder la taille d'origine si elle est définie sur 0.
• --style_size : Nouvelle taille (minimum) pour l'image de contenu. Garder la taille d'origine si elle est définie sur 0.
• --alpha : ajustez le degré de stylisation. Il doit être une valeur comprise entre 0,0 et 1,0 (par défaut).
• --preserve_color : préservez la couleur de l'image de contenu.

Former

Utilisez --content_dir et --style_dir pour fournir le répertoire respectif aux images de contenu et de style.

 CUDA_VISIBLE_DEVICES=<gpu_id> python train.py --content_dir <content_dir> --style_dir <style_dir>

Pour plus de détails et de paramètres, veuillez vous référer à l'option - Help.

Je partage le modèle formé par ce code en tant que iter_1000000.pth à la version.

Références

• [1]: X. Huang et S. PARFACTION. "Transfert de style arbitraire en temps réel avec une normalisation des instances adaptative.", Dans ICCV, 2017.
• [2]: implémentation originale dans la torche