เอกสาร การติดตั้ง ? Model Zoo | อัปเดตข่าว | โครงการต่อเนื่อง ปัญหาการรายงาน
ภาษาอังกฤษ | 简体中文
มีอะไรใหม่
Mmgeneration ได้ถูกรวมเข้าด้วยกันใน mmediting และเราได้สนับสนุนงานและรุ่นใหม่ เราเน้นคุณสมบัติใหม่ต่อไปนี้:
- Text2Image
- ✅ร่อน
- disco-diffusion
- diffusion เสถียร
- รุ่นที่รับรู้ 3D
การแนะนำ
MMGeneration เป็นชุดเครื่องมือที่ทรงพลังสำหรับรุ่น Generative โดยเฉพาะอย่างยิ่งสำหรับ Gans ในขณะนี้ มันขึ้นอยู่กับ Pytorch และ MMCV สาขาหลักทำงานร่วมกับ Pytorch 1.5+
คุณสมบัติที่สำคัญ
- ประสิทธิภาพการฝึกอบรมคุณภาพสูง: ขณะนี้เราสนับสนุนการฝึกอบรมเกี่ยวกับ Gans ที่ไม่มีเงื่อนไข, Gans ภายในและรูปแบบการแปลภาพ การสนับสนุนสำหรับแบบจำลองเงื่อนไขจะมาเร็ว ๆ นี้
- ชุดเครื่องมือแอปพลิเคชันที่ทรงพลัง: ชุดเครื่องมือมากมายที่มีหลายแอปพลิเคชันใน GANS มีให้กับผู้ใช้ การแก้ไข GAN การฉายภาพ GAN และการจัดการ GAN นั้นรวมอยู่ในกรอบของเรา ถึงเวลาเล่นกับ Gans ของคุณ! (การสอนสำหรับแอปพลิเคชัน)
- การฝึกอบรมแบบกระจายที่มีประสิทธิภาพสำหรับแบบจำลองการกำเนิด: สำหรับการฝึกอบรมแบบไดนามิกสูงในแบบจำลองการกำเนิดเราใช้วิธีใหม่ในการฝึกอบรมแบบจำลองไดนามิกด้วย
MMDDP (การสอนสำหรับ DDP) - การออกแบบแบบแยกส่วนใหม่สำหรับการผสมผสานที่ยืดหยุ่น: การออกแบบใหม่สำหรับโมดูลการสูญเสียที่ซับซ้อนได้รับการเสนอสำหรับการปรับแต่งลิงก์ระหว่างโมดูลซึ่งสามารถรวมการผสมผสานที่ยืดหยุ่นระหว่างโมดูลที่แตกต่างกัน (การสอนสำหรับการออกแบบแบบแยกส่วนใหม่)
การฝึกอบรมการสร้างภาพ  | การแก้ไขกาน  | โปรเจ็กเตอร์กาน  | การจัดการกาน  |
เน้น
- การเข้ารหัสตำแหน่งเป็นอคติเชิงพื้นที่ใน GANS (CVPR2021) ได้รับการปล่อยตัวใน
MMGeneration [config], [หน้าโครงการ] - Gans มีเงื่อนไขได้รับการสนับสนุนในชุดเครื่องมือของเรา วิธีการเพิ่มเติมและน้ำหนักที่ได้รับการฝึกอบรมล่วงหน้าจะมาเร็ว ๆ นี้
- การฝึกอบรมแบบผสมผสาน (FP16) สำหรับ Stylegan2 ได้รับการสนับสนุน โปรดตรวจสอบการเปรียบเทียบระหว่างการใช้งานที่แตกต่างกัน
การเปลี่ยนแปลง
V0.7.3 เปิดตัวเมื่อวันที่ 14/04/2023 โปรดดูที่ Changelog.md สำหรับรายละเอียดและประวัติการวางจำหน่าย
การติดตั้ง
MMGeneration ขึ้นอยู่กับ Pytorch และ MMCV ด้านล่างเป็นขั้นตอนที่รวดเร็วสำหรับการติดตั้ง
ขั้นตอนที่ 1. ติดตั้ง pytorch ตามคำแนะนำอย่างเป็นทางการเช่น
pip3 install torch torchvision
ขั้นตอนที่ 2. ติดตั้ง MMCV ด้วย MIM
pip3 install openmim
mim install mmcv-full
ขั้นตอนที่ 3. ติดตั้ง mmgeneration จากแหล่งที่มา
git clone https://github.com/open-mmlab/mmgeneration.git
cd mmgeneration
pip3 install -e .
โปรดดูที่ get_started.md สำหรับคำแนะนำเพิ่มเติม
เริ่มต้น
โปรดดู get_started.md สำหรับการใช้งานพื้นฐานของ mmgeneration docs/en/quick_run.md สามารถให้คำแนะนำเต็มรูปแบบสำหรับการรันอย่างรวดเร็ว สำหรับรายละเอียดและบทเรียนอื่น ๆ โปรดไปที่เอกสารของเรา
Modelzoo
วิธีการเหล่านี้ได้รับการศึกษาอย่างรอบคอบและสนับสนุนในกรอบของเรา:
Gans ที่ไม่มีเงื่อนไข (คลิกเพื่อยุบ)
- ✅ 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)
- ✅การเข้ารหัสตำแหน่งใน Gans (cvpr'2021)
Gans แบบมีเงื่อนไข (คลิกเพื่อยุบ)
- ✅ sngan (iclr'2018)
- ✅การฉาย GAN (ICLR'2018)
- ✅ Sagan (ICML'2019)
- ✅ biggan/biggan-deep (iclr'2019)
เคล็ดลับสำหรับ Gans (คลิกเพื่อยุบ)
Image2Image Translation (คลิกเพื่อยุบ)
- ✅ pix2pix (cvpr'2017)
- ✅ Cyclegan (ICCV'2017)
การเรียนรู้ภายใน (คลิกเพื่อยุบ)
แบบจำลองความน่าจะเป็นของการแพร่กระจาย denoising (คลิกเพื่อยุบ)
- ✅ปรับปรุง DDPM (Arxiv'2021)
แอปพลิเคชันที่เกี่ยวข้อง
การบริจาค
เราขอขอบคุณการมีส่วนร่วมทั้งหมดเพื่อปรับปรุง MMGeneration โปรดดูที่การสนับสนุน. MD ใน MMCV สำหรับรายละเอียดเพิ่มเติมเกี่ยวกับแนวทางที่มีส่วนร่วม
การอ้างอิง
หากคุณพบว่าโครงการนี้มีประโยชน์ในการวิจัยของคุณโปรดพิจารณาอ้างอิง:
@misc { 2021mmgeneration ,
title = { {MMGeneration}: OpenMMLab Generative Model Toolbox and Benchmark } ,
author = { MMGeneration Contributors } ,
howpublished = { url{https://github.com/open-mmlab/mmgeneration} } ,
year = { 2021 }
}ใบอนุญาต
โครงการนี้เปิดตัวภายใต้ใบอนุญาต Apache 2.0 การดำเนินการบางอย่างใน MMGeneration นั้นมีใบอนุญาตอื่น ๆ แทน Apache2.0 โปรดดูที่ Licenses.MD สำหรับการตรวจสอบอย่างระมัดระวังหากคุณใช้รหัสของเราสำหรับเรื่องเชิงพาณิชย์
โครงการใน openmmlab
- MMCV: ห้องสมุดพื้นฐาน OpenMMLAB สำหรับการมองเห็นคอมพิวเตอร์
- MIM: MIM ติดตั้งแพ็คเกจ OpenMMLAB
- MMClassification: OpenMMLAB การจำแนกภาพกล่องเครื่องมือและเบนช์มาร์ก
- MMDETECTION: กล่องเครื่องมือตรวจจับ OpenMMLAB และเกณฑ์มาตรฐาน
- MMDETECTION3D: แพลตฟอร์มรุ่นต่อไปของ OpenMMLAB สำหรับการตรวจจับวัตถุ 3D ทั่วไป
- MMrotate: กล่องเครื่องมือตรวจจับวัตถุที่หมุนของ OpenMMLAB และเบนช์มาร์ก
- MMSegentation: OpenMMLAB Semantic Sementation Toolbox และ Benchmark
- MMOCH: การตรวจจับข้อความ OpenMMLAB การรับรู้และการทำความเข้าใจกล่องเครื่องมือ
- MMPOSE: OpenMMLAB POSE POSE TOOLBOX และ BENGAGM
- MMHUMAN3D: OpenMMLAB 3D Human Parametric Model Toolbox และ Benchmark
- MMSelfSup: OpenMMLAB กล่องเครื่องมือการเรียนรู้ที่ดูแลตนเองและเกณฑ์มาตรฐาน
- MMRAZOR: กล่องเครื่องมือการบีบอัดแบบจำลอง OpenMMLAB และเกณฑ์มาตรฐาน
- MMFEWSHOT: OpenMMLAB ไม่กี่กล่องเครื่องมือการเรียนรู้และเกณฑ์มาตรฐาน
- MMACTION2: กล่องเครื่องมือและเกณฑ์มาตรฐานของ OpenMMLAB
- MMTRACKING: กล่องเครื่องมือการรับรู้วิดีโอ OpenMMLAB และเกณฑ์มาตรฐาน
- MMFLOW: OpenMMLAB OPTICAL FLOW TOOLBOX และ BENGAGM
- MMediting: OpenMMLAB Image และ Video Editing Toolbox
- MMGeneration: OpenMMLAB IMAGE และ VIDEA Generative Models กล่องเครื่องมือ
- MMDeploy: OpenMMLAB MODEL FRAMEWORK FRAMEWORK