文件名称：SAM:正式实施“仅涉及样式”
文件大小：3.38MB
文件格式：ZIP
更新时间：2024-03-25 08:17:35
aging generative-adversarial-networks stylegan age-transformation Python
仅有样式：使用基于样式的回归模型进行年龄转换 年龄转变的任务说明了一个人的外貌随时间的变化。 在输入的面部图像上准确建模这种复杂的转换非常具有挑战性，因为它需要在保持输入身份的同时对面部特征和头部形状进行令人信服的甚至可能的大改变。 在这项工作中，我们提出了一种图像到图像的转换方法，该方法可以学习将真实的面部图像直接编码到经过预先训练的无条件GAN（例如StyleGAN）的给定衰落偏移下的潜在空间中。 我们采用了预训练的年龄回归网络，用于明确指导编码器生成与所需年龄相对应的潜在代码。 在此公式中，我们的方法将连续老化过程作为输入年龄和所需目标年龄之间的回归任务，从而对生成的图像提供细粒度的控制。 此外，与其他使用先验控制路径的先验方法仅在潜在空间中运行的方法不同，我们的方法学习的是更纠缠的非线性路径。 我们证明了我们方法的端到端性质，再加上StyleGAN丰富的语义潜在空间，可以进一步编辑
【文件预览】：
SAM-master
----models()
--------psp.py(5KB)
--------encoders()
--------__init__.py(0B)
--------stylegan2()
--------dex_vgg.py(3KB)
----environment()
--------sam_env.yaml(892B)
----training()
--------coach_aging.py(13KB)
--------__init__.py(0B)
--------ranger.py(6KB)
----docs()
--------1936.jpg(117KB)
--------866.jpg(397KB)
--------1005_style_mixing.jpg(157KB)
--------2195.jpg(115KB)
--------teaser.png(2.32MB)
----criteria()
--------lpips()
--------id_loss.py(2KB)
--------w_norm.py(367B)
--------__init__.py(0B)
--------aging_loss.py(2KB)
----licenses()
--------LICENSE_TreB1eN(1KB)
--------LICENSE_rosinality(1KB)
--------LICENSE_eladrich(1KB)
--------LICENSE_lessw2020(11KB)
--------LICENSE_InterDigitalInc(14KB)
--------LICENSE_S-aiueo32(1KB)
----LICENSE(1KB)
----options()
--------__init__.py(0B)
--------train_options.py(6KB)
--------test_options.py(3KB)
----configs()
--------__init__.py(0B)
--------transforms_config.py(981B)
--------paths_config.py(399B)
--------data_configs.py(369B)
----.gitignore(16B)
----README.md(15KB)
----utils()
--------common.py(2KB)
--------train_utils.py(741B)
--------__init__.py(0B)
--------data_utils.py(964B)
----scripts()
--------style_mixing.py(3KB)
--------inference.py(4KB)
--------train.py(633B)
--------align_all_parallel.py(6KB)
--------reference_guided_inference.py(6KB)
--------inference_side_by_side.py(3KB)
----notebooks()
--------images()
--------animation_inference_playground.ipynb(11KB)
--------inference_playground.ipynb(13KB)
----datasets()
--------augmentations.py(624B)
--------images_dataset.py(981B)
--------__init__.py(0B)
--------inference_dataset.py(823B)