循环GAN-Tensorflow
CycleGAN的简单Tensorflow实现
参考
相关作品
作者
金俊浩
2023-05-06 14:19:32
9KB
1
图像转换涵盖了计算机图形、计算机视觉以及深度学习图像和视频分析领域的广泛应用。图像转换的基本理念是将输入图像转换为输出图像。这不同于对图像进行自编码，因为在自编码过程中，输入和输出是完全相同的。而对于图像转换而言，我们期望输入与输出属于不同的图像集。例如，输入图像是一张风景照，而输出图像则可能是对这张照片进行艺术风格处理后的结果。又如，输入图像是一张马的照片，而输出图像则应是斑马的照片。假设您有一张地图，上面显示着街道和高速公路的轮廓，而您想要对这些图像应用一种纹理，使之看起来就如卫星图像一般。您或许想要重现 Google AI 实验，将素描图转换成猫的图片。又或者您想要重新创建 FaceApp 应用程序，让它为人脸增添微笑效果。这些都是图像转换的具体示例。
2023-04-05 08:41:19
6.37MB
1
CycleGAN本质上是两个镜像对称的GAN，构成了一个环形网络。两个GAN共享两个生成器，并各自带一个判别器，即共有两个判别器和两个生成器。一个单向GAN两个loss，两个即共四个loss。
2023-03-18 18:34:20
11.84MB
循环GAN
|
火炬实现，用于在没有输入输出对的情况下学习图像到图像的转换（ ），例如：
新增内容：请检查（CUT），这是我们新的非成对图像到图像翻译模型，可实现快速且高效存储的培训。
*， *，， 加州大学伯克利分校伯克利分校AI研究实验室在ICCV 2017中。（*等额捐款）
该软件包包括CycleGAN， 以及其他方法，例如 / 和Apple的论文。 该代码被写了和。 更新：请检查CycleGAN和pix2pix的实现。 PyTorch版本正在积极开发中，其结果可与该Torch版本相媲美或更好。
其他实现：
（由Harry Yang）， （由Archit Rathore撰写
2023-03-12 13:07:21
11.84MB
1
循环GAN-TensorFlow
使用TensorFlow进行CycleGan的实现（正在进行中）。
原始论文： :
测试数据结果
苹果->橙色
输入值
输出量
输入值
输出量
输入值
输出量
橙色->苹果
输入值
输出量
输入值
输出量
输入值
输出量
环境
TensorFlow 1.0.0
的Python 3.6.0
数据准备
首先，下载一个数据集，例如apple2orange
$ bash download_dataset.sh apple2orange
将数据集写入tfrecords
$ python3 build_data.py
检查$ python3 build_
2022-06-18 04:43:34
1.67MB
1