文件名称：RG-Flow:这是论文“ RG-Flow”的项目页面
文件大小：85.38MB
文件格式：ZIP
更新时间：2024-05-28 15:49:55
computer-vision generative-model representation-learning sparse-coding hierarchical-models
RG流 该存储库包含论文“ RG-Flow：基于重归一化组和稀疏先验的分层且可解释的流模型”（ ）的代码。 基于流的生成模型已成为无监督学习方法的重要类别。 在这项工作中，我们结合了重归一化组（RG）的关键思想和稀疏的先验分布，设计了一个基于层次的基于流的生成模型，称为RG-Flow ，该模型可以分离图像的不同尺度信息，并在每个尺度上具有解纠缠的表示。 依存关系 该代码要求Python >= 3.7和PyTorch >= 1.6 ，并具有可选的CUDA支持。 其他依赖项可以通过安装 pip install -r requirements.txt 画廊 RG-Flow结构 在高级潜在表示中随机漫步 中层潜伏表现中的随机游走 学到的接受领域 学习因素 高层因素：情感 高层次因素：性别 高阶因素：灯光方向 高级因素：轮换 高级因素：头发颜色 中级因素：眉毛 中层因素：眼睛 在
【文件预览】：
RG-Flow-master
----code()
--------layers()
--------utils()
--------utils_support.py(4KB)
--------main.py(8KB)
--------requirements.txt(75B)
--------sources()
--------args.py(5KB)
--------plot_mix_temperature.py(1KB)
----LICENSE(1KB)
----README.md(5KB)
----docs()
--------high_level_walk.gif(17.08MB)
--------eyebrow_video.gif(220KB)
--------RF.png(985KB)
--------RG_idea_horizontal.pdf(88KB)
--------hair_video.gif(222KB)
--------factors.png(2.97MB)
--------face_mix_new.pdf(852KB)
--------smile_video.gif(226KB)
--------gender_video.gif(221KB)
--------RG_structure_horizontal.pdf(157KB)
--------mid_level_walk.gif(17.06MB)
--------projection_video.gif(215KB)
--------combined.pdf(744KB)
--------eye_video.gif(227KB)
--------structure.png(289KB)
--------mix.png(1.23MB)
--------rotation_video.gif(217KB)
--------factor_new.pdf(7.94MB)
--------mid_level_walk2.gif(35.62MB)
----.gitignore(28B)
----_config.yml(26B)