文件名称：stylegan-encoder：StyleGAN编码器-将真实图像转换为潜在空间
文件大小：10.89MB
文件格式：ZIP
更新时间：2024-02-25 17:06:43
deep-neural-networks deep-learning generative-adversarial-network gan neural-networks
StyleGAN —官方TensorFlow实施的编码器 的StyleGAN2 这是我的StyleGAN编码器； 有很多类似的东西，但这是我的。 感谢@Puzer作为原始人，其中包括叉子；感谢@SimJeg作为构成此处所用ResNet模型基础的初始代码；感谢@Pender他的叉子！ 从左到右：原始图像，在生成的StyleGAN面Kong上经过训练的ResNet的预测图像以及最终的编码图像。 我添加了什么： ResNet编码器-使用train_resnet.py自己训练或！ 将模型放在data / finetuned_resnet.h5中 可以直接替换以使用带有train_effnet.
【文件预览】：
stylegan-encoder-master
----generate_figures.py(9KB)
----encoder()
--------__init__.py(0B)
--------generator_model.py(7KB)
--------perceptual_model.py(15KB)
----dataset_tool.py(41KB)
----teaser.png(789KB)
----align_images.py(3KB)
----requirements.txt(0B)
----swa.py(2KB)
----pretrained_example.py(6KB)
----Learn_direction_in_latent_space.ipynb(7.64MB)
----LICENSE.txt(19KB)
----README.md(39KB)
----config.py(784B)
----dnnlib()
--------__init__.py(799B)
--------util.py(14KB)
--------submission()
--------tflib()
----encode_images.py(15KB)
----StyleGAN_Encoder_Tutorial.ipynb(2.84MB)
----robust_loss()
--------requirements.txt(109B)
--------data()
--------wavelet.py(19KB)
--------general.py(6KB)
--------distribution.py(13KB)
--------cubic_spline.py(4KB)
--------README.md(1KB)
--------run.sh(1KB)
--------util.py(6KB)
----Play_with_latent_directions.ipynb(2.6MB)
----train_resnet.py(13KB)
----ffhq_dataset()
--------landmarks_detector.py(781B)
--------face_alignment.py(4KB)
--------__init__.py(0B)
--------latent_representations()
--------latent_directions()
----training()
--------networks_stylegan.py(36KB)
--------__init__.py(350B)
--------training_loop.py(17KB)
--------misc.py(10KB)
--------loss.py(10KB)
--------networks_progan.py(17KB)
--------dataset.py(12KB)
----train_effnet.py(16KB)
----run_metrics.py(4KB)
----adaptive.py(19KB)
----mona_example.jpg(29KB)
----metrics()
--------__init__.py(350B)
--------metric_base.py(6KB)
--------frechet_inception_distance.py(3KB)
--------perceptual_path_length.py(5KB)
--------linear_separability.py(10KB)
----train.py(17KB)