pytorch AdaIN

PyTorch-ADAl

Ini adalah implementasi Pytorch tidak resmi dari makalah, transfer gaya sewenang-wenang secara real-time dengan normalisasi instance adaptif [Huang+, ICCV2017]. Saya sangat berterima kasih atas implementasi asli di Torch oleh penulis, yang sangat berguna.

Persyaratan

Harap instal Persyaratan dengan pip install -r requirements.txt

• Python 3.5+
• Pytorch 0.4+
• Torchvision
• Bantal

(Opsional, untuk pelatihan)

• TQDM
• Tensorboardx

Penggunaan

Unduh model

Unduh decoder.pth / vgg_normalized.pth dari rilis dan letakkan di bawah models/ .

Tes

Gunakan --content dan --style untuk memberikan jalur masing -masing ke konten dan gambar gaya.

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

Anda juga dapat menjalankan kode pada direktori konten dan gambar gaya menggunakan --content_dir dan --style_dir . Ini akan menyimpan setiap kombinasi konten dan gaya yang mungkin ke direktori output.

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

Ini adalah contoh pencampuran empat gaya dengan menentukan opsi --style dan --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

Beberapa opsi lain:

• --content_size : Ukuran baru (minimum) untuk gambar konten. Menjaga ukuran asli jika diatur ke 0.
• --style_size : Ukuran baru (minimum) untuk gambar konten. Menjaga ukuran asli jika diatur ke 0.
• --alpha : Sesuaikan tingkat stylization. Itu harus menjadi nilai antara 0,0 dan 1.0 (default).
• --preserve_color : Lestarikan warna gambar konten.

Kereta

Gunakan --content_dir dan --style_dir untuk memberikan direktori masing -masing untuk konten dan gambar gaya.

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

Untuk detail dan parameter lebih lanjut, silakan merujuk ke opsi --help.

Saya berbagi model yang dilatih oleh kode ini sebagai iter_1000000.pth saat rilis.

Referensi

• [1]: X. Huang dan S. miliknya. "Transfer gaya sewenang-wenang secara real-time dengan normalisasi instance adaptif.", Dalam ICCV, 2017.
• [2]: Implementasi asli dalam obor