文件名称：latent-composition
文件大小：3.65MB
文件格式：ZIP
更新时间：2024-04-01 10:56:02
Python
潜在组成 | 使用潜在空间回归来分析和利用GAN中的组成。 （ ，（ ，（ 先决条件 Linux 的Python 3 CPU或NVIDIA GPU + CUDA CuDNN 目录： 在浏览器中运行它，而无需在本地安装任何东西 -下载预训练的模型和资源 -使用预快速入门 -用于交互式合成的Jupyter笔记本 -培训编码器的管道 ：演示使用蒙版编码器调查GAN中的图像先验。 ：使用蒙版编码器多个图像的界面。 ：对于真实图像，将编码器为特定图像，以实现更好的重建。 进一步的合成可以实时完成。 。 使用上述下载脚本将自动下载预训练的模型以及其他用于自动整理的资源。 有关基本示例，请参见以下代码片段。 notebooks/quickstart.ipynb提供了notebooks/quickstart.ipynb格式。 from networks import
【文件预览】：
latent-composition-main
----.gitattributes(86B)
----experiments()
--------sample.py(2KB)
--------metric_prdc.py(3KB)
--------run_compositions.py(4KB)
--------metric_fid.py(11KB)
--------metric_distance.py(5KB)
--------reencode.py(2KB)
----utils()
--------util.py(1015B)
--------zdataset.py(2KB)
--------paintwidget.py(5KB)
--------face_crop.py(4KB)
--------renormalize.py(5KB)
--------parallelfolder.py(7KB)
--------masking.py(1KB)
--------show.py(5KB)
--------customnet.py(8KB)
--------imutil.py(5KB)
--------proggan.py(11KB)
--------pidfile.py(4KB)
--------losses.py(3KB)
--------LBFGS.py(41KB)
--------inversions.py(2KB)
--------compositions.py(12KB)
--------pbar.py(5KB)
--------lightbox.html(2KB)
--------PT_STYLEGAN2()
--------pt_stylegan2.py(2KB)
--------labwidget.py(26KB)
--------features.py(1KB)
----notebooks()
--------interactive-masking.ipynb(6KB)
--------ipynb_drop_output.py(3KB)
--------finetune_and_edit.ipynb(13KB)
--------quickstart.ipynb(4KB)
--------interactive-composition.ipynb(6KB)
--------setup_notebooks.sh(481B)
----img()
--------efros_cropped.png(643KB)
--------torralba_cropped.png(611KB)
--------biden_cropped.png(964KB)
--------phil_cropped.png(721KB)
--------teaser.jpeg(746KB)
----datasets()
--------README.md(59B)
----LICENSE(1KB)
----environment.yml(413B)
----README.md(4KB)
----resources()
--------download_resources.sh(1KB)
----networks()
--------proggan_networks.py(3KB)
--------stylegan_networks.py(4KB)
--------psp()
--------networks.py(5KB)
----.gitignore(480B)