The Roadmap to Learn Generative Adversarial Networks (GANs)

11-785项目-神经日夜 团队成员： 刘智（chil1） 拉斐尔·奥利维尔（拉斐尔） Teven Le Scao（tlescao） 尚·巴蒂斯特·拉马雷（吉拉马雷） 梗阻 摄影和电影行业严重依赖于将白天的图片转换为夜晚的技术，这被称为“昼夜技巧”。 这些技术通常需要特殊的拍摄条件，和/或没有一些人工干预就无法工作的图像编辑软件。 基于机器学习的计算机视觉技术的最新改进允许开发可以自动将白天变成黑夜的算法。 给定一张室外照片，我们的目标是更改一天中照片的感知时间。 许多电影，例如《疯狂的麦克斯：狂暴之路》（2015年）都使用这种技术，以在白天的最佳照明条件下拍摄，但仍然达到了渴望的夜晚时光。 在本报告中，我们将重点放在将白天变成黑夜，尽管类似的管道可以应用于相反的翻译，甚至更多。 海报 域外生成 为了检查模型的健壮性并突出模型正在学习的内容，我们将其应用于CMU园区的域外图片。 结果

CVAE-GAN_tensorlayer 具有tensorlayer的CVAE-GAN实现。 例子 训练VAE输出 测试VAE输出和侦察输出 依附 张量流张量层麻木进度条2 我的测试环境是tensorflow-gpu-1.10，tensorlayer-1.91，gtx970m-3g。 一些问题和注意 emmm ...此实现可能与页面有所不同。 我尝试了WGAN-GP和LS-GAN的丢失，但是效果不好。 也许我的代码是错误的。 然后我将鉴别器变成自动编码器并尝试BEGAN的损失，这看起来不错。 训练后的VAE输出仍然模糊，但是我发现鉴别器的重建图像可以使VAE输出更清晰。 主要的网络结构是我的简单自定义resnet，它应与DCGAN不同。 训练日志 我的训练过程输出和日志可以分别在imgs和logs文件夹中找到。 训练日志已被压缩，仅需解压缩。 如何使用 测试 python3 test.

脸部老化CAAE 要求 点安装-r requirements.txt 火炬视觉0.4.0 火炬1.2.0 数据集 Colab笔记本 培训 推论-待定 快照 用法 git clone或下载此存储库的zip文件 从下载UTKFace的对齐和裁剪版本 安装要求 执行main.py python main.py 结果 UTKFace 行：年0〜5、5〜10、10〜15、16〜20、21〜30、31〜40、41〜50、51〜60、61〜70，超过70 epoch:50, step:86 EG_L1_loss:0.075875 |G_img_loss:5.226651 G_tv_loss:0.003358 |Ez_loss:0.851948 D_img:0.998970 |D_reconst:0

【ch13-生成对抗网络】 GAN实战.pdf

丰富的背景和纹理图像的生成是各类生成模型追求的终极目标，ImageNet 的生成已然 成为检验生成模型好坏的一个指标。 在各类生成模型中，GAN 是这几年比较突出的，18 年新出的 SNGAN [1]、 SAGAN [2] 让 GAN 在 ImageNet 的生成上有了长足的进步，其中较好的 SAGAN 在 ImageNet 的128x128 图像生成上的 I n c e p t i o n S c o r e ( I S ) [3] 达到了 52 分。 BigGAN 在 SAGAN 的基础上一举将 IS 提高了 100 分，达到了 166 分（真实图片也 才 233 分），可以说 BigGAN 是太秀了

生成对抗网络实战配套的源代码

最近几年的完整GAN完整综述，上面有各种资源的地址，值得认真阅读

素食主义者 一个库，可以轻松地在PyTorch中训练各种现有的GAN（生成对抗网络）。 该库主要针对GAN用户，他们希望将现有的GAN培训技术与自己的生成器/区分器一起使用。 但是，研究人员可能还会发现GAN基类对于更快地实施新的GAN训练技术很有用。 重点是简单性并提供合理的默认值。 如何安装 您需要python 3.5或更高版本。 然后： pip install vegans 如何使用 基本思想是用户提供区分器和生成器网络，而库则负责在选定的GAN设置中训练它们： from vegans.models.GAN import WassersteinGAN from vegans.utils import plot_losses, plot_images generator = ### Your generator (torch.nn.Module) adversariat = ##

*仍在开发中，尚未检查此隐含的结果（2017/9/25） 作者：栾T，尹锡，刘晓明 CVPR2017： ：//cvlab.cse.msu.edu/pdfs/Tran_Yin_Liu_CVPR2017.pdf DR-GAN的Pytorch含义（“通过旋转脸来进行表示学习”中的更新版本） 由提供支持 要求 python 3.6 pytorch 0.2.0 numpy的1.13.1 scipy 0.18.1 matplotlib 2.0.0 如何使用 单图像DR-GAN 修改main.py的DataLoader函数以定义适用于您的数据的dataloader 数据需要具有ID，并且姿势标签对应于每个图像 如果没有，则使用“ -random”选项可以查看代码如何处理无意义的随机数据。 python main.py-随机 运行main.py训练模型 训练有素的模型和Loss_lo