文件名称：AGUIT:Pytorch论文“属性指导的半监督学习不成对图像到图像翻译”的实现
文件大小：2.25MB
文件格式：ZIP
更新时间：2024-05-29 17:06:02
Python
AGUIT：属性指导的未配对图像转换 | “属性指导的不成对的图像到图像的半监督学习翻译。” Li，X.，Hu，J.，Zhang，S.，Hong，X.，Ye Q.，Wu，C.，＆Ji，R. arXiv预印本。 优点 不成对：或在许多作品中不受监督。 通过在此设置中使用不成对的数据来训练模型。 但是，我们更喜欢将其称为“不成对”而不是“无监督”，因为仍然需要图像域的标签（例如，头发的颜色，是否微笑）。 半监督：尝试在半监督环境中减少此类带有域标签（或属性标签）的数据的需求。 这意味着训练集中的某些图像被标记，而有些则没有。 多模态和多域：一对多翻译。 单一模型：所有一对多翻译都是由一个单一模型完成的。 解开和精细控制：编码的属性/域表示已解开并且可以进行精细控制。 纠缠转移：我们为图像到图像翻译社区引入了这一新挑战，该领域采用纠缠表示来翻译与训练集无关的数据。 例如，经过人脸训练
【文件预览】：
AGUIT-master
----utils.py(9KB)
----test.py(3KB)
----train.py(4KB)
----networks.py(22KB)
----trainer.py(7KB)
----configs()
--------face.yaml(3KB)
----README.md(3KB)
----Figures()
--------1.gif(1.75MB)
--------merits.png(97KB)
--------examples.png(334KB)
----datasets()
--------CelebA_example()
----data.py(6KB)