DRIT:从未配对的数据中学习各种图像到图像的翻译

时间:2024-05-31 08:20:56
【文件属性】:

文件名称:DRIT:从未配对的数据中学习各种图像到图像的翻译

文件大小:18.82MB

文件格式:ZIP

更新时间:2024-05-31 08:20:56

附件源码 文章源码

DRIT ++:通过解缠的表示形式进行多样的图像到图像转换 我们的图像到图像转换方法的Pytorch实现。 借助提出的解缠结表示框架,我们能够从不成对的训练数据中学习各种图像到图像的翻译。 我们对此工作进行了扩展: 应用寻求模式的正则化以改善多样性,请参阅培训选项以获取详细信息。 在多域设置上应用如果您对此感兴趣,请参考 。 联系人︰( )和曾洪宇( ) 纸 如果您发现对您的研究有用的代码或数据集,请引用我们的论文。 DRIT ++:通过解缠的表示形式进行多样的图像到图像转换*,*,*,,, ,以及 @article{DRIT_plus, author = {Lee, Hsin-Ying and Tseng, Hung-Yu and Mao, Qi and Huang, Jia-Bin and Lu, Yu-Ding and Singh, Maneesh Kumar


【文件预览】:
DRIT-master
----.gitignore(730B)
----Dockerfile(1KB)
----datasets()
--------download_dataset.sh(293B)
----src()
--------test_transfer.py(2KB)
--------saver.py(3KB)
--------options.py(5KB)
--------test.py(1KB)
--------networks.py(26KB)
--------dataset.py(3KB)
--------model.py(22KB)
--------train.py(2KB)
----models()
--------download_model.sh(89B)
----README.md(7KB)
----imgs()
--------final.gif(14.9MB)
--------teaser.png(2.71MB)
--------flower.png(143KB)
--------teaser_new.png(1.29MB)

网友评论