文件名称：DeepI2I:图像到图像的翻译，知识转移
文件大小：5.68MB
文件格式：ZIP
更新时间：2024-06-16 22:14:07
Python
DeepI2I：通过从GAN传输来实现深度分层的图像到图像转换 抽象的： 图像到图像的翻译最近取得了令人瞩目的成果。 但是，尽管目前取得了成功，但当类之间的翻译需要较大的形状变化时，它的性能却很差。 我们将其归因于当前最先进的图像到图像方法所使用的高分辨率瓶颈。 因此，在这项工作中，我们提出了一种新颖的深度层次的图像到图像转换方法，称为DeepI2I。 我们通过利用层次特征来学习模型：（a）包含在浅层中的结构信息，以及（b）从深层中提取的语义信息。 为了能够在小数据集上训练深度I2I模型，我们提出了一种新颖的转移学习方法，该方法可以从预先训练的GAN转移知识。 具体来说，我们利用预先训练的GAN（即BigGAN或StyleGAN）的鉴别器来初始化编码器和鉴别器，并利用预先训练的生成器来初始化模型的生成器。应用知识转移会导致模型之间的对齐问题编码器和发生器。 我们介绍了一个自适应网络来解决
【文件预览】：
DeepI2I-main
----figures()
--------framework.png(147KB)
--------sample.png(2.23MB)
--------interpolation.png(3.04MB)
----DeepI2I_BigGAN()
--------sample.py(8KB)
--------calculate_inception_moments.py(4KB)
--------train.py(10KB)
--------TFHub()
--------inception_utils.py(12KB)
--------test.py(8KB)
--------BigGAN.py(35KB)
--------animal_hash.py(32KB)
--------sync_batchnorm()
--------scripts()
--------utils.py(55KB)
--------datasets.py(12KB)
--------BigGANdeep.py(22KB)
--------merge_image.py(2KB)
--------class_to_index()
--------make_hdf5.py(5KB)
--------losses.py(1KB)
--------README.md(3KB)
--------__pycache__()
--------layers.py(17KB)
--------train_fns.py(10KB)
--------inception_tf13.py(5KB)
----DeepI2I_StyleGAN()
--------train.py(18KB)
--------generate.py(3KB)
--------model.py(18KB)
--------dataset.py(1KB)
--------README.md(1KB)
--------prepare_data.py(2KB)
--------__pycache__()
----README.md(2KB)