pytorch AdaIN

Pytorch-Adain

这是一个非正式的Pytorch实施，即具有自适应实例归一化[Huang+，ICCV2017]的纸，任意样式转移。我真的很感谢作者在火炬中的原始实现，这非常有用。

要求

请按pip install -r requirements.txt安装要求

• Python 3.5+
• pytorch 0.4+
• 火炬
• 枕头

（可选，用于培训）

• TQDM
• TensorboardX

用法

下载型号

从发行版中下载dododer.pth / vgg_normalized.pth，并将它们放在models/下。

测试

使用--content和--style为内容和样式图像提供相应的路径。

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

您还可以使用--content_dir和--style_dir在内容和样式图像的目录上运行代码。它将将内容和样式的所有可能组合保存到输出目录中。

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

这是通过指定--style和--style_interpolation_weights选项来混合四种样式的示例。

 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

其他一些选项：

• --content_size ：内容图像的新（最小）大小。如果设置为0，请保持原始尺寸。
• --style_size ：内容图像的新（最小）大小。如果设置为0，请保持原始尺寸。
• --alpha ：调整样式的程度。它应该是0.0和1.0之间的值（默认值）。
• --preserve_color ：保留内容图像的颜色。

火车

使用--content_dir和--style_dir可为内容和样式图像提供相应的目录。

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

有关更多详细信息和参数，请参阅-help选项。

我将该代码训练的模型分享为iter_1000000.pth 。

参考

• [1]：X。Huangand S.属于。 “与自适应实例归一化实时的任意样式转移。”，在ICCV，2017年。
• [2]：火炬中的原始实施