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)