文件名称：iGAN：通过生成对抗网络生成交互式图像
文件大小：9.38MB
文件格式：ZIP
更新时间：2024-02-25 15:43:37
computer-vision deep-learning computer-graphics generative-adversarial-network gan
iGAN：通过生成对抗网络生成交互式图像 | | 最近的项目： ：火炬实现，用于学习从输入图像到输出图像的映射。 ：火炬实现，用于学习没有输入输出对的图像到图像的转换（即pix2pix）。 ：用于不成对和成对的图像到图像转换的PyTorch实现。 总览 iGAN（又名交互式GAN）是作者对交互式图像生成接口的实现，其描述如下： “自然图像流形上的生成视觉操纵” ，， ， 在2016年欧洲计算机视觉会议（ECCV）中 给定一些用户笔触，我们的系统可以生成逼真的样本，最能实时满足用户的编辑需求。 我们的系统基于深度生成模型，例如生成对抗网络（ ）和 。 该系统具有以下两个目的： 一
【文件预览】：
iGAN-master
----models()
--------scripts()
----model_def()
--------dcgan_theano_config.py(638B)
--------LICENSE_DCGAN(1KB)
--------dcgan_theano.py(9KB)
--------__init__.py(0B)
----pics()
--------shoes_test.png(9KB)
--------input_edge.png(388B)
--------demo.gif(7.88MB)
--------script_result.png(461KB)
--------input_color.png(417B)
--------input_color_mask.png(302B)
--------demo_teaser.jpg(151KB)
--------logo.png(73KB)
--------ui_intro.jpg(93KB)
--------predict.jpg(116KB)
----LICENSE(1KB)
----constrained_opt.py(9KB)
----iGAN_script.py(4KB)
----constrained_opt_theano.py(5KB)
----ui()
--------gui_draw.py(12KB)
--------ui_color.py(1KB)
--------__init__.py(0B)
--------save_result.py(2KB)
--------ui_recorder.py(2KB)
--------gui_design.py(7KB)
--------ui_warp.py(3KB)
--------ui_sketch.py(1KB)
--------gui_vis.py(4KB)
----generate_samples.py(2KB)
----iGAN_main.py(4KB)
----.gitignore(1KB)
----train_dcgan()
--------pack_model.py(1KB)
--------upgrade_model.py(1KB)
--------train_dcgan_config.py(3KB)
--------train_dcgan.py(6KB)
--------train_predict_z.py(7KB)
--------get_num_images.py(480B)
--------train_dcgan_utils.py(7KB)
--------batchnorm_predict_z.py(4KB)
--------load.py(2KB)
--------README.md(5KB)
--------create_hdf5.py(4KB)
--------train_script.sh(516B)
--------batchnorm_dcgan.py(4KB)
----iGAN_predict.py(7KB)
----lib()
--------image_save.py(2KB)
--------HOGNet.py(3KB)
--------utils.py(4KB)
--------costs.py(883B)
--------rng.py(442B)
--------updates.py(8KB)
--------activations.py(2KB)
--------__init__.py(0B)
--------ops.py(4KB)
--------html.py(2KB)
--------inits.py(3KB)
--------AlexNet.py(5KB)
--------theano_utils.py(530B)
--------ilsvrc_2012_mean.npy(1.5MB)
----README.md(12KB)
----datasets()
--------scripts()