AGIS Net Téléchargement - AGIS Net Source Code Download

AGIS Net

Téléchargement de polices

1.0.0

Télécharger

Agis-net

Introduction

Il s'agit de la mise en œuvre officielle Pytorch de la synthèse de l'image des glyphes artistiques via un apprentissage en une seule étape .

papier | matériel supplémentaire

Abstrait

La génération automatique d'images de glyphes artistiques est une tâche difficile qui attire de nombreux intérêts de recherche. Les méthodes précédentes sont spécifiquement conçues pour la synthèse de forme ou se concentrent sur le transfert de texture. Dans cet article, nous proposons un nouveau modèle, Agis-Net, pour transférer à la fois les styles de forme et de texture en une étape avec seulement quelques échantillons stylisés. Pour atteindre cet objectif, nous démêlons d'abord les représentations du contenu et du style en utilisant deux encodeurs, assurant la génération multi-contenus et multi-styles. Ensuite, nous utilisons deux décodeurs de travail en collaboration pour générer simultanément l'image de forme de glyphe et son image de texture. De plus, nous introduisons une perte de raffinement de texture locale pour améliorer encore la qualité des textures synthétisées. De cette manière, notre modèle en une étape est beaucoup plus efficace et efficace que d'autres méthodes empilées en plusieurs étapes. Nous proposons également un ensemble de données à grande échelle avec des images de glyphe chinois dans divers styles de forme et de texture, rendus à partir de 35 polices artistiques conçues par des professionnels avec 7 326 caractères et 2 460 polices artistiques synthétiques avec 639 caractères, pour valider l'efficacité et l'extension de notre méthode. Des expériences approfondies sur les ensembles de données d'images de glyphes artistiques anglais et chinois démontrent la supériorité de notre modèle dans la génération d'images de glyphe stylisées de haute qualité contre d'autres méthodes de pointe.

Architecture modèle

Architecture

Sauter la connexion	Discriminateur local

Quelques résultats

comparaison

à travers_languae

Condition préalable

Linux
CPU ou NVIDIA GPU + CUDA CUDNN
Python 3
Pytorch 0.4.0+

Commencer

Installation

Installez pytorch, torchvison et dépendances à partir de https://pytorch.org
Installez les bibliothèques Python Visdom et dominent:
```
pip install visdom
pip install dominate
```

Cloner ce repo:

git clone -b master --single-branch https://github.com/hologerry/AGIS-Net
cd AGIS-Net

Téléchargez le modèle VGG19 pré-formé officiel: VGG19-DCBB9E9D.PTH, et mettez-le sous les modèles / dossier

Ensembles de données

Le serveur de jeux de données est en panne, vous pouvez télécharger les ensembles de données à partir du disque PKU, Dropbox ou Mega. Téléchargez les ensembles de données à l'aide du script suivant, de quatre ensembles de données et de l'image de glyphe de style de police moyenne brute sont disponibles.

Cela peut prendre un certain temps, soyez patient

 bash ./datasets/download_dataset.sh DATASET_NAME

base_gray_color English Synthezed Gradient Glyph Image Dataset, proposé par MC-GAN.
base_gray_texture English Artistic Glyph Image Dataset, proposé par MC-Gan.
Ensemble de données skeleton_gray_color Chinois Synthezed Gradient Glyph Image By.
skeleton_gray_texture Datas de données de glyphe artistique chinois proposées par nous.
Ensemble de données d'image Glyph Image de la police average_skeleton chinois Raw (squelette) proposé par nous.

Veuillez vous référer aux données pour plus de détails sur nos ensembles de données et comment préparer vos propres ensembles de données.

Formation modèle

Pour former un modèle, téléchargez les images de formation (par exemple, transfert de glyphe artistique anglais)
```
bash ./datasets/download_dataset.sh base_gray_color
bash ./datasets/download_dataset.sh base_gray_texture
```
Former un modèle:
1. Démarrez le visualiseur Visdom
```
python -m visdom.server -port PORT
```
  Le port est spécifié dans train.sh
2. TRANT TRATER SUR LE DATAS DE DONNÉE D'IMAGE DE Glyph Glyph à gradient synthétisé
```
bash ./scripts/train.sh base_gray_color GPU_ID
```
  GPU_ID indique quel GPU utiliser.
3. Fineture sur l'ensemble de données d'image des glyphes artistiques
```
bash ./scripts/train.sh base_gray_texture GPU_ID DATA_ID FEW_SIZE
```
  DATA_ID indique quelle police artistique est affinée.
  Few_Size indique la taille de quelques coups.
  Cela soulèvera une erreur en disant:
```
 FileNodeFoundError: [Error 2] No such file or directory: 'chechpoints/base_gray_texture/base_gray_texture_DATA_ID_TIME/latest_net_G.pth
```
  Copiez le modèle pré-entraîné sur le chemin ci-dessus
```
cp chechpoints/base_gray_color/base_gray_color_TIME/latest_net_ * chechpoints/base_gray_texture/base_gray_texture_DATA_ID_TIME/
```
  Et recommencez à s'entraîner. Cela fonctionnera bien.

Tests de modèles

Pour tester un modèle, copiez le modèle formé du checkpoint au dossier pretrained_models (par exemple, transfert de glyphe artistique anglais)
```
cp chechpoints/base_gray_color/base_gray_texture_DATA_ID_TIME/latest_net_ * pretrained_models/base_gray_texture_DATA_ID/
```

Tester un modèle

bash ./scripts/test_base_gray_texture.sh GPU_ID DATA_ID

Remerciements

Ce code est inspiré par le Bicyclegan.

Un merci spécial aux œuvres suivantes pour partager leur code et leur ensemble de données.

pix2pix
Msgan
MC-GAN
Tét-gan
EMD

Citation

Si vous trouvez que notre travail est utile, veuillez citer notre article:

 @article{Gao2019Artistic,
  author = {Gao, Yue and Guo, Yuan and Lian, Zhouhui and Tang, Yingmin and Xiao, Jianguo},
  title = {Artistic Glyph Image Synthesis via One-Stage Few-Shot Learning},
  journal = {ACM Trans. Graph.},
  issue_date = {November 2019},
  volume = {38},
  number = {6},
  year = {2019},
  articleno = {185},
  numpages = {12},
  url = {http://doi.acm.org/10.1145/3355089.3356574},
  publisher = {ACM}
}