文件名称：SinGAN：该文件的官方pytorch实施：“ SinGAN：从单个自然图像中学习生成模型”
文件大小：79.53MB
文件格式：ZIP
更新时间：2024-03-12 22:41:40
animation gan official super-resolution harmonization
辛干 | | | | 该文件的pytorch官方实现：“ SinGAN：从单个自然图像中学习生成模型” ICCV 2019最佳论文奖（马尔奖） 来自单个图像的随机样本 使用SinGAN，您可以从单个自然图像中训练生成模型，然后从给定图像中生成随机样本，例如： SinGAN的应用 SinGAN还可以用于一系列图像处理任务，例如： 这是通过将图像注入已训练的模型来完成的。 请参阅我们的第4节的更多细节。 引文 如果您使用此代码进行研究，请引用我们的论文： @inproceedings{rottshaham2019singan, title={SinGAN: Learning a Generative Model from a Single Natural Image}, author={Rott Shaham, Tamar and Dekel, Tali and Michael
【文件预览】：
SinGAN-master
----.gitignore(81B)
----Input()
--------Harmonization()
--------Paint()
--------Images()
--------Editing()
----requirements.txt(67B)
----animation.py(2KB)
----random_samples.py(2KB)
----editing.py(3KB)
----main_train.py(997B)
----SIFID()
--------inception.py(5KB)
--------sifid_score.py(10KB)
----LICENSE.txt(1KB)
----Downloads()
--------SR_BSD100.tar.xz(29.78MB)
--------user study.zip(6.86MB)
--------SR_BSD100.zip(29.78MB)
--------user study.tar.xz(6.79MB)
----README.md(6KB)
----config.py(3KB)
----imgs()
--------teaser.PNG(991KB)
--------manipulation.PNG(924KB)
----SIFID.npy(128B)
----SinGAN()
--------training.py(13KB)
--------functions.py(13KB)
--------models.py(2KB)
--------imresize.py(13KB)
--------manipulate.py(6KB)
--------__pycache__()
----harmonization.py(3KB)
----config.pyc(2KB)
----paint2image.py(4KB)
----SR.py(3KB)