หน้าแรก>การเขียนโปรแกรมที่เกี่ยวข้อง>ซอร์สโค้ดอื่น ๆ
ดาวน์โหลด

น่าเบื่อหน่าย

รหัสสำหรับกระดาษ CVPR ของเรา: การสังเคราะห์ภาพบุคคลและการแก้ไขด้วย decoupled gan หน้าโครงการ Supp

ความต้องการ 

 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

ข้อมูล

การเตรียมข้อมูลสำหรับรูปภาพและจุดเริ่มต้นสามารถติดตามการถ่ายโอน Pose และ GFLA

  1. ดาวน์โหลดชุดข้อมูลแฟชั่นลึก คุณจะต้องถามรหัสผ่านจากผู้ดูแลชุดข้อมูล คลายซิป 'img/img.zip' และใส่โฟลเดอร์ชื่อ 'img' ในไดเรกทอรี '/fashion_data'

  2. ดาวน์โหลดคำอธิบายประกอบจุดคีย์รถไฟ/การทดสอบและรายการชุดข้อมูลจาก Google Drive รวมถึง Fashion-Pairs-train.csv , Fashion- Pairs-test.csv , Fashion-Annotation-train.csv, แฟชั่น lst , test.lst ใส่ไฟล์เหล่านี้ภายใต้ไดเรกทอรี ./fashion_data

  3. เรียกใช้รหัสต่อไปนี้เพื่อแยกชุดข้อมูลรถไฟ/ทดสอบ 

     python data/generate_fashion_datasets.py

  4. ดาวน์โหลดข้อมูลการแยกวิเคราะห์และวางไฟล์เหล่านี้ภายใต้ไดเรกทอรี. ./fashion_data ข้อมูลการแยกวิเคราะห์สำหรับการทดสอบสามารถพบได้จาก Baidu (รหัส FECTCH: ABCD) หรือ Google Drive ข้อมูลการแยกวิเคราะห์สำหรับการฝึกอบรมสามารถพบได้จาก Baidu (รหัส FECTCH: ABCD) หรือ Google Drive คุณสามารถรับข้อมูลตามด้วย PGN และจัดระเบียบป้ายกำกับใหม่ตามที่คุณต้องการ

รถไฟ 

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

โปรดทราบว่าหากคุณต้องการฝึกอบรมรูปแบบการถ่ายโอนท่าทางเช่นเดียวกับการถ่ายโอนพื้นผิวและการแก้ไขภูมิภาคเพียงแสดงความคิดเห็นบรรทัด 177 และ 178 และบทที่ 162-176

สำหรับการฝึกอบรมโดยใช้ multi-gpus คุณสามารถอ้างถึงปัญหาใน GFLA

ทดสอบ

คุณสามารถดาวน์โหลดผลการทดสอบของเราโดยตรงจาก Baidu (Fetch Code: ABCD) หรือ Google Drive
จุดตรวจสอบที่ผ่านการฝึกอบรมมาแล้วของการถ่ายโอนโพสท่าของมนุษย์ที่รายงานในกระดาษของเราสามารถพบได้จาก Baidu (รหัสการดึงข้อมูล: ABCD) หรือ Google Drive และใส่ไว้ในโฟลเดอร์ (-> ผลลัพธ์-> แฟชั่น)

จุดตรวจสอบที่ผ่านการฝึกอบรมมาก่อนเกี่ยวกับการถ่ายโอนพื้นผิวการแก้ไขภูมิภาคการแก้ไขสไตล์ที่ใช้ในกระดาษของเราสามารถพบได้จาก Baidu (รหัสดึงข้อมูล: ABCD) หรือ Google Drive โปรดทราบว่าต้องเปลี่ยนโมเดล

ทดสอบด้วยตัวเอง 

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

การอ้างอิง

หากคุณใช้รหัสนี้โปรดอ้างอิงกระดาษของเรา 

 @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}
}

กิตติกรรมประกาศ

รหัสของเราขึ้นอยู่กับ GFLA

ขยาย
ข้อมูลเพิ่มเติม
แอปที่เกี่ยวข้อง
แนะนำสำหรับคุณ
ข้อมูลที่เกี่ยวข้อง ทั้งหมด