mmgeneration

Dokumentasi | Instalasi | ? Model Zoo | ? Perbarui berita | Proyek yang sedang berlangsung | Masalah pelaporan

Bahasa Inggris | 简体中文

Apa yang baru

Mmgenerasi telah digabungkan dalam mmediting. Dan kami telah mendukung tugas dan model generasi baru. Kami menyoroti fitur -fitur baru berikut:

• ? Text2Image

  • ✅ Glide
  • ✅ Diffusion disko
  • ✅ Difusi stabil

• ? Generasi Aware 3D

  • ✅ eg3d

Perkenalan

MMGeneration adalah toolkit yang ampuh untuk model generatif, terutama untuk Gans sekarang. Ini didasarkan pada Pytorch dan MMCV. Cabang Master bekerja dengan Pytorch 1.5+ .

Fitur utama

• Kinerja pelatihan berkualitas tinggi: Kami saat ini mendukung pelatihan tentang GANS tanpa syarat, GANS internal, dan model terjemahan gambar. Dukungan untuk model bersyarat akan segera hadir.
• Toolkit Aplikasi yang Kuat: Perangkat berlimpah yang berisi banyak aplikasi dalam GANS diberikan kepada pengguna. Interpolasi GAN, proyeksi GAN, dan manipulasi GAN diintegrasikan ke dalam kerangka kerja kami. Saatnya bermain dengan gans Anda! (Tutorial untuk aplikasi)
• Pelatihan terdistribusi yang efisien untuk model generatif: Untuk pelatihan yang sangat dinamis dalam model generatif, kami mengadopsi cara baru untuk melatih model dinamis dengan MMDDP . (Tutorial untuk DDP)
• Desain modular baru untuk kombinasi fleksibel: Desain baru untuk modul kehilangan kompleks diusulkan untuk menyesuaikan tautan antara modul, yang dapat mencapai kombinasi fleksibel di antara berbagai modul. (Tutorial untuk Desain Modular Baru)

Visualisasi pelatihan	Interpolasi Gan	Proyektor Gan	Manipulasi gan

Menyorot

• Pengkodean posisi sebagai bias induktif spasial dalam GANS (CVPR2021) telah dilepaskan dalam MMGeneration . [Config], [halaman proyek]
• Gans bersyarat telah didukung di toolkit kami. Lebih banyak metode dan bobot pra-terlatih akan segera hadir.
• Pelatihan presisi campuran (FP16) untuk StyleGan2 telah didukung. Silakan periksa perbandingan antara berbagai implementasi.

Changelog

V0.7.3 dirilis pada 14/04/2023. Silakan merujuk ke changelog.md untuk detail dan riwayat rilis.

Instalasi

Mmgenerasi tergantung pada Pytorch dan MMCV. Di bawah ini adalah langkah cepat untuk instalasi.

Langkah 1. Pasang Pytorch mengikuti instruksi resmi, misalnya

 pip3 install torch torchvision

Langkah 2. Instal MMCV dengan MIM.

 pip3 install openmim
mim install mmcv-full

Langkah 3. Pasang mmgenerasi dari sumber.

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

Silakan merujuk ke get_started.md untuk instruksi yang lebih rinci.

Memulai

Silakan lihat get_started.md untuk penggunaan dasar mmgenerasi. Docs/en/quick_run.md dapat menawarkan panduan penuh untuk lari cepat. Untuk detail dan tutorial lainnya, silakan kunjungi dokumentasi kami.

Modelzoo

Metode -metode ini telah dipelajari dan didukung dengan cermat dalam kerangka kerja kami:

Gans tanpa syarat (klik untuk runtuh)

• ✅ 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)
• ✅ Pengkodean posisi dalam GANS (CVPR'2021)

Gans bersyarat (klik untuk runtuh)

• ✅ sngan (iclr'2018)
• ✅ Proyeksi Gan (ICLR'2018)
• ✅ sagan (icml'2019)
• ✅ Biggan/Biggan-Deep (ICLR'2019)

Trik untuk Gans (klik untuk runtuh)

• ✅ Ada (Neurips'2020)

Translation Image2Image (klik untuk runtuh)

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

Pembelajaran internal (klik untuk runtuh)

• ✅ Sisten (ICCV'2019)

Denoising Difusion Probabilistic Models (klik untuk runtuh)

• ✅ Peningkatan DDPM (Arxiv'2021)

Aplikasi terkait

• ✅ Mmgen-Facestylor

Berkontribusi

Kami menghargai semua kontribusi untuk meningkatkan mmgenerasi. Silakan merujuk ke Contributing.md di MMCV untuk detail lebih lanjut tentang pedoman yang berkontribusi.

Kutipan

Jika Anda menemukan proyek ini berguna dalam penelitian Anda, silakan pertimbangkan CITE:

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

Lisensi

Proyek ini dirilis di bawah lisensi Apache 2.0. Beberapa operasi dalam MMGeneration adalah dengan lisensi lain, bukan apache2.0. Silakan merujuk ke lisensi.md untuk cek yang cermat, jika Anda menggunakan kode kami untuk masalah komersial.

Proyek di OpenMMLab

• MMCV: Perpustakaan dasar OpenMMLAB untuk visi komputer.
• MIM: MIM menginstal paket OpenMMLAB.
• MMClasification: OpenMMLAB Klasifikasi Klasifikasi dan Benchmark.
• MMDETEKSI: OpenMmLab Detection Toolbox and Benchmark.
• MMDETECTION3D: Platform generasi berikutnya OpenMMLAB untuk deteksi objek 3D umum.
• MMRotate: OpenMMLAB Rotated Object Detection Toolbox dan Benchmark.
• MMSmentation: OpenMMLAB SEMITIT Segmentation Toolbox dan Benchmark.
• MMOCR: Deteksi Teks OpenMMLAB, Pengakuan, dan Pemahaman Toolbox.
• MMPOSE: OpenMMLAB Pose Estimation Toolbox dan Benchmark.
• MMHUMAN3D: OpenMMLAB 3D Human Parametric Model Toolbox and Benchmark.
• Mmselfsup: OpenMMLAB swasembar swasembar Sendelvised Learning Toolbox and Benchmark.
• MMRAZOR: OpenMMLAB Model Compression Toolbox dan Benchmark.
• MMFEWSHOT: OpenMMLAB Sewshot Learning Toolbox dan Benchmark.
• MMACTION2: OpenMMLAB's Next-Generation Action Memahami Kotak Alat dan Benchmark.
• MMTRACKING: OpenMMLAB Video Persepsi Toolbox and Benchmark.
• MMFLOW: OpenMMLAB Optical Flow Toolbox dan Benchmark.
• Mmediting: OpenMMLAB Gambar dan Video mengedit kotak alat.
• MMGeneration: OpenMMLAB Gambar dan Video Model Generatif Toolbox.
• MMDeploy: Kerangka Penyebaran Model OpenMMLab.

Memperluas