文件名称：StyleSpace:StyleSpace分析
文件大小：5MB
文件格式：ZIP
更新时间：2024-04-23 22:43:06
JupyterNotebook
StyleSpace分析：StyleGAN图像生成的分离控件 演示视频： CVPR 2021口服： 单通道操作： StyleSpace分析：StyleGAN图像生成的分离控件吴宗泽，丹妮·李钦斯基，伊莱·谢赫曼（Eli Shechtman） （CVPR 2021口头） 摘要：我们使用预先训练在几个不同数据集上的模型，探索和分析StyleGAN2（一种用于图像生成的最新体系结构）的潜在样式空间。 我们首先表明，StyleSpace，即通道方式的样式参数的空间，比以前的工作探索的其他中间潜在空间的纠缠程度要大得多。 接下来，我们描述一种用于发现大量样式通道的方法，其中每个样式通道都显示为以高度本地化和非纠缠的方式控制独特的视觉属性。 第三，我们提出一种简单的方法，使用预先训练的分类器或少量示例图像来识别控制特定属性的样式通道。 与通过以前的工作提出的方法相比，通过这些StyleSpace控件
【文件预览】：
StyleSpace-main
----dnnlib()
--------__pycache__()
--------util.py(16KB)
--------__init__.py(478B)
--------tflib()
----align_mask.py(8KB)
----invert_mask.py(10KB)
----manipulate.py(10KB)
----StyleSpace_single.ipynb(2.05MB)
----model()
--------.gitignore(71B)
----imgs()
--------init(1B)
--------real.png(836KB)
--------car_bed.png(780KB)
--------ffhq.png(869KB)
--------disentanglement.png(916KB)
----html()
--------.gitignore(71B)
----GetCode.py(10KB)
----npy()
--------.gitignore(71B)
----bash(363B)
----README.md(2KB)
----utils()
--------editor.py(20KB)
--------__pycache__()
--------visualizer.py(19KB)
--------train_boundary.py(7KB)