Advertisement

Stargan-V2: StarGAN v2的官方PyTorch实现(CVPR 2020)

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:ZIP


简介:
简介:StarGAN-v2是继StarGAN之后的升级版模型,本项目提供了其官方的PyTorch实现。该代码在CVPR 2020上展示,并包含多种先进的图像到图像翻译功能。 StarGAN v2:多个域的多样化图像合成*,* *,*,在CVPR 2020中。(*表示相等贡献) 良好的图像到图像转换模型应学习不同视觉领域之间的映射,并且满足以下属性:1)生成图像的多样性和2)多领域的可扩展性。现有方法解决了其中一个问题——对于所有域而言,其多样性有限或需要多个独立模型。我们提出了StarGAN v2框架,它同时解决这两个问题并在基线之上显示出明显改善的结果。 在CelebA-HQ和新的动物面部Kong数据集(AFHQ)上的实验验证了我们在视觉质量、多样性和可伸缩性方面的优越表现。为了更好地评估图像到图像的翻译模型,我们发布了具有较大领域间及域内差异的高质量动物脸的数据集AFHQ。 StarGAN v2的相关代码、预训练模型和数据集可在clovaai stargan-v2中找到。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • Stargan-V2: StarGAN v2PyTorchCVPR 2020
    优质
    简介:StarGAN-v2是继StarGAN之后的升级版模型,本项目提供了其官方的PyTorch实现。该代码在CVPR 2020上展示,并包含多种先进的图像到图像翻译功能。 StarGAN v2:多个域的多样化图像合成*,* *,*,在CVPR 2020中。(*表示相等贡献) 良好的图像到图像转换模型应学习不同视觉领域之间的映射,并且满足以下属性:1)生成图像的多样性和2)多领域的可扩展性。现有方法解决了其中一个问题——对于所有域而言,其多样性有限或需要多个独立模型。我们提出了StarGAN v2框架,它同时解决这两个问题并在基线之上显示出明显改善的结果。 在CelebA-HQ和新的动物面部Kong数据集(AFHQ)上的实验验证了我们在视觉质量、多样性和可伸缩性方面的优越表现。为了更好地评估图像到图像的翻译模型,我们发布了具有较大领域间及域内差异的高质量动物脸的数据集AFHQ。 StarGAN v2的相关代码、预训练模型和数据集可在clovaai stargan-v2中找到。
  • Stargan-v2-annotated-pytorch: 我PyTorch中带注释StarGAN
    优质
    这是一个包含详细注释的PyTorch版本的StarGAN代码库,旨在帮助学习者更好地理解和掌握StarGAN模型及其应用。 我对StarGAN v2的研究旨在促进个人学习。该研究基于CVPR 2020会议发表的论文《StarGAN v2:多个域的多样化图像合成》。 良好的图像到图像转换模型应当能够学习不同视觉领域间的映射,并且需要满足以下两个属性:1)生成图像的多样性;2)在多个领域的可扩展性。现有的方法通常只能解决上述问题中的一个,要么是所有领域内的多样性有限,要么就是存在多套独立运行的模型。 我们提出了一种名为StarGAN v2的新框架,它能够同时改善这两个方面,并且相较于基线技术显示出了显著的进步。我们在CelebA-HQ和新的动物面部Kong数据集(AFHQ)上进行了实验,这些实验验证了我们在视觉质量、多样性和可伸缩性方面的优越表现。 为了更好地评估图像到图像的转换模型的效果,我们发布了AFHQ数据集。
  • CVPR 2020StarGan V2预训练模型wing.ckpt
    优质
    该简介对应的是CVPR 2020上提出的StarGAN V2的预训练模型wing.ckpt,用于执行多种图像到图像的转换任务。 【CVPR 2020】StarGan V2预训练模型wing.ckpt
  • CVPR 2020】CelebA_HQ StarGan V2预训练模型100000_nets_ema.ckpt
    优质
    本预训练模型为基于CelebA-HQ数据集,通过StarGAN V2算法生成的高质量人脸图像,适用于人脸识别与变换任务。 【CVPR 2020】StarGan V2预训练模型celeba_hq/100000_nets_ema.ckpt
  • CVPR 2020StarGan V2afhq/100000_nets_ema.ckpt预训练模型
    优质
    本作品介绍了CVPR 2020会议中的StarGAN V2模型,并提供了包含100,000张图片的AFHQ数据集上的预训练模型下载链接,助力图像生成研究。 【CVPR 2020】StarGan V2预训练模型afhq/100000_nets_ema.ckpt
  • Pytorch-StarGAN-Digits: 非Pytorch版本StarGAN,适用于Digit-5数据集(MNIST...)
    优质
    Pytorch-StarGAN-Digits是一个非官方的Pytorch实现库,用于在MNIST等Digit-5数据集上运行StarGAN模型。 派托克·史塔根·迪格斯StarGAN的非官方Pytorch实现用于生成Digit-5数据集(包括MNIST、SVHN、SynDigits、MNIST-M和USPS)。典型的顶层目录布局如下: ``` ├── build # 编译文件 ├── docs # 文档文件 ├── src # 源代码文件 ├── test # 自动化测试 ├── tools ```
  • StarGAN-v2源码及预训练模型,可直接用于测试
    优质
    简介:StarGAN-v2是一款先进的图像到图像翻译模型,该资源提供其完整源码与预训练模型,用户无需额外准备,即可直接进行模型测试和应用开发。 人脸图像生成与AI换脸技术涉及使用人工智能来创建或替换照片中的面部特征。这项技术可以用于多种应用,包括娱乐、安全以及数字艺术创作等领域。在开发过程中,研究人员不断探索如何提高图像的真实感及细节水平,并确保这些工具的合法和道德使用。
  • Stargan:StarGANPyTorchCVPR 2018)
    优质
    简介:StarGAN是首个多至多领域图像到图像转换模型,本文提供其官方PyTorch实现,适用于跨域风格迁移和数据增强。发表于CVPR 2018。 该存储库提供了以下论文的官方PyTorch实现: StarGAN:用于多域图像到图像翻译的统一生成对抗网络 此研究由1,2、1,2、2,3、2、2,4以及1,2的研究人员合作完成,他们分别来自韩国大学、Clova AI Research和NAVER Corp. 新泽西学院及香港科技大学。 摘要:最近的研究表明,在两个领域的图像到图像翻译中取得了巨大的成功。然而,现有方法在处理超过两个领域时存在有限的可扩展性和鲁棒性问题,因为需要为每对图像域分别构建不同的模型。为了克服这一限制,我们提出了StarGAN——一种新颖且具有高度伸缩性的解决方案,能够使用单一模型实现多个领域的图像到图像翻译。通过这种统一的架构设计,StarGAN能够在单个网络中同时处理和训练来自不同领域的一系列数据集,并且相比现有方法而言,其生成的质量更高、表现更佳。
  • StarGAN语音转换Python-tensorflow
    优质
    本项目是基于TensorFlow框架用Python语言实现的StarGAN语音转换模型,能够高效地进行说话人语音风格转换。 这是基于TensorFlow实现的论文StarGAN-VC:使用星形生成对抗网络进行非并行多对多多音转换的方法。
  • StarGANCelebA数据集
    优质
    简介:CelebA数据集是StarGAN研究中广泛使用的人脸属性编辑数据库,包含数十万张名人面部图像及其多种属性标签。 CelebA数据集(StarGAN)由于直接通过命令行下载通常难以成功,因此我将其上传到了百度云盘供大家下载。