pytorch AdaIN

Pytorch-Adain

Esta é uma implementação não oficial de pytorch de um artigo, transferência de estilo arbitrário em tempo real com normalização de instância adaptativa [Huang+, ICCV2017]. Sou muito grato à implementação original da Torch pelos autores, o que é muito útil.

Requisitos

Instale os requisitos por pip install -r requirements.txt

• Python 3.5+
• Pytorch 0,4+
• Torchvision
• Travesseiro

(Opcional, para treinamento)

• TQDM
• Tensorboardx

Uso

Baixar modelos

Faça o download do decodificador.PTH / VGG_NormIlized.Tth a partir da versão e coloque -os em models/ .

Teste

Use --content e --style para fornecer o caminho respectivo para a imagem de conteúdo e estilo.

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

Você também pode executar o código nos diretórios de conteúdo e estilo de imagens usando --content_dir e --style_dir . Ele salvará todas as combinações possíveis de conteúdo e estilos no diretório de saída.

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

Este é um exemplo de mistura de quatro estilos especificando --style -e --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

Algumas outras opções:

• --content_size : novo (mínimo) tamanho para a imagem de conteúdo. Mantendo o tamanho original se definido como 0.
• --style_size : novo (mínimo) tamanho para a imagem de conteúdo. Mantendo o tamanho original se definido como 0.
• --alpha : Ajuste o grau de estilização. Deve ser um valor entre 0,0 e 1,0 (padrão).
• --preserve_color : preserve a cor da imagem de conteúdo.

Trem

Use --content_dir e --style_dir para fornecer o respectivo diretório para as imagens de conteúdo e estilo.

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

Para mais detalhes e parâmetros, consulte -Opção -Help.

Eu compartilho o modelo treinado por este código como iter_1000000.pth na versão.

Referências

• [1]: X. Huang e S. pertencem. "Transferência de estilo arbitrário em tempo real com normalização de instância adaptativa"., Em ICCV, 2017.
• [2]: implementação original na tocha