带注释的StarGAN v2
我对StarGAN v2的推动,用于个人学习
原作:
论文: :
GitHub: :
原始文件
StarGAN v2-官方文档
StarGAN v2:多个域的多样化图像合成*,* *,*,在CVPR 2020中。(*表示相等的贡献)
论文: : 视频: :
摘要:良好的图像到图像转换模型应学习不同视觉域之间的映射,同时满足以下属性:1)生成图像的多样性和2)在多个域上的可伸缩性。 现有方法解决了其中一个问题,即对于所有域而言,其多样性有限或具有多个模型。 我们提出了StarGAN v2,这是一个可以同时解决这两个问题的框架,并且在基线之上显示出明显改善的结果。 在CelebA-HQ和新的动物面Kong数据集(AFHQ)上进行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性。 为了更好地评估图像到图像的翻译模型,我们发布了AFH
1