文件名称：颜色分类leetcode-gan-ensembling:用于测试时间集成的反转和扰动GAN图像
文件大小：2.29MB
文件格式：ZIP
更新时间：2024-07-26 16:43:09
系统开源
颜色分类leetcode GAN 集成 | | 与深层生成视图集成。 , , , , CVPR 2021 先决条件 Linux Python 3 英伟达 GPU + CUDA CuDNN 目录： - 无需本地安装即可运行有限的演示版 - 下载所需资源 - 简短的演示代码片段 - 用于可视化的 jupyter 笔记本 - 完整管道的详细信息 我们将输入图像投影到预先训练的 GAN 的潜在空间中并对其进行轻微扰动以获得输入图像的修改。 这些来自 GAN 的替代视图在测试时与原始图像一起集成到下游分类任务中。 为了合成深度生成视图，我们首先通过在 StyleGAN2（GAN 重建）中找到相应的潜在代码来对齐（对齐输入）并重建图像。 然后我们研究了使用 GAN 产生图像变化的不同方法，例如在精细层上进行风格混合 (Style-mix Fine)，主要改变颜色，或粗层 (Style-mix Coarse)，改变姿势。 科拉布 在对齐的 cat 数据集的简化设置中演示了基本的潜在代码扰动和分类过程。 设置 克隆这个 repo： git clone https://github.com/chail/
【文件预览】：
gan-ensembling-main
----.gitignore(525B)
----data()
--------image_dataset.py(3KB)
--------transforms.py(2KB)
--------__init__.py(2KB)
--------data_cifar10.py(3KB)
--------data_cats.py(7KB)
--------data_cars.py(9KB)
--------data_celebahq.py(8KB)
----resources()
--------download_resources.sh(2KB)
----networks()
--------perturb_settings.py(1KB)
--------domain_generator.py(14KB)
--------stylegan2()
--------domain_classifier.py(2KB)
--------classifiers()
----LICENSE(1KB)
----utils()
--------inversions.py(3KB)
--------pidfile.py(4KB)
--------metrics.py(866B)
--------util.py(1KB)
--------pbar.py(5KB)
--------show.py(5KB)
--------renormalize.py(5KB)
--------LBFGS.py(41KB)
--------netinit.py(2KB)
--------customnet.py(9KB)
--------PT_STYLEGAN2()
--------pt_stylegan2.py(2KB)
--------losses.py(3KB)
----notebooks()
--------setup_notebooks.sh(466B)
--------plot_precomputed_evaluations.ipynb(89KB)
--------demo.ipynb(16KB)
--------evaluate_ensemble.ipynb(11KB)
--------ipynb_drop_output.py(3KB)
----scripts()
--------train_classifier()
--------eval_ensemble()
--------optimize_latent()
----README.md(9KB)
----environment.yml(402B)
----.gitattributes(86B)
----img()
--------teaser.jpeg(802KB)
--------results.jpg(519KB)
--------teaser.gif(1.17MB)