文件名称：CUT:TensorFlow 2 中的“未配对图像到图像转换的对比学习”
文件大小：2.52MB
文件格式：ZIP
更新时间：2024-06-18 04:29:16
deep-learning keras gan image-to-image-translation self-supervised-learning
对比未配对翻译 (CUT) 这是 Tensorflow 2 中未的的实现。 Contrastive Unpaired Translation (CUT) 使用基于对比学习的框架，目标是将输入和输出补丁关联起来，“查询”是指输出补丁，正负是对应和不对应的输入补丁。 与 CycleGAN 相比，CUT 实现了片面翻译，同时提高了质量并减少了训练时间。 Summer2winter 的翻译示例 训练 使用train.py在给定数据集上训练 CUT/FastCUT 模型。 GTX 1080ti 上的单步训练需要 340 毫秒（CUDA 操作）/400 毫秒（Tensorflow 操作）。 在horse2zebra-dataset 上训练的示例用法： python train.py --mode cut \
【文件预览】：
CUT-main
----.gitignore(46B)
----images()
--------CUT.PNG(273KB)
--------horse2zebra_result.PNG(1.11MB)
--------summer2winter_result.PNG(1.14MB)
----inference.py(3KB)
----utils.py(807B)
----README.md(3KB)
----modules()
--------layers.py(7KB)
--------ops()
--------cut_model.py(10KB)
--------losses.py(2KB)
----train.py(9KB)