PISE

TANAH LIAT

Kode untuk CVPR Paper Pise kami: Sintesis gambar orang dan pengeditan dengan GAN yang dipisahkan, halaman proyek, Supp.

Persyaratan

 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 

Data

Persiapan data untuk gambar dan tombol dapat mengikuti transfer pose dan GFLA.

1. Unduh dataset fashion yang dalam. Anda perlu meminta kata sandi dari pemelihara dataset. Unzip 'img/img.zip' dan letakkan folder bernama 'img' di direktori './fashion_data'.

2. Unduh Anotasi Poin Kunci Kereta/Uji dan Daftar Dataset dari Google Drive, termasuk Fashion-Pasun-Train.csv , Fashion-Pairs-Test.csv , Fashion-Annotation-Train.csv , Fashion-Annotation-Train.csv, Train. lst , test.lst . Letakkan file -file ini di bawah direktori ./fashion_data .

3. Jalankan kode berikut untuk membagi dataset kereta/tes.

    python data/generate_fashion_datasets.py
   

4. Unduh data parsing, dan letakkan file -file ini di bawah direktori ./fashion_data . Parsing data untuk pengujian dapat ditemukan dari Baidu (Fectch Code: ABCD) atau Google Drive. Parsing data untuk pelatihan dapat ditemukan dari Baidu (Fectch Code: ABCD) atau Google Drive. Anda bisa mendapatkan data ikuti dengan PGN, dan mengatur kembali label yang Anda butuhkan.

Kereta

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

Perhatikan bahwa jika Anda ingin melatih model transfer pose serta transfer tekstur dan pengeditan wilayah, cukup berkomentar baris 177 dan 178, dan jalur uncomments 162-176.

Untuk pelatihan menggunakan Multi-GPU, Anda dapat merujuk pada masalah di GFLA

Tes

Anda dapat langsung mengunduh hasil tes kami dari Baidu (Fetch Code: ABCD) atau Google Drive.
Pos pemeriksaan pra-terlatih dari transfer pose manusia yang dilaporkan dalam makalah kami dapat ditemukan dari Baidu (Fetch Code: ABCD) atau Google Drive dan memasukkannya ke dalam folder (-> Hasil-> Fashion).

Pos pemeriksaan pra-terlatih tentang transfer tekstur, pengeditan wilayah, interpolasi gaya yang digunakan dalam makalah kami dapat ditemukan dari Baidu (Fetch Code: ABCD) atau Google Drive. Perhatikan bahwa model perlu diubah.

Uji sendiri

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

Kutipan

Jika Anda menggunakan kode ini, silakan kutip kertas kami.

 @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}
}

Ucapan Terima Kasih

Kode kami didasarkan pada GFLA.