文件名称：TransferWork:为2020年Google冬季训练营开发
文件大小：51MB
文件格式：ZIP
更新时间：2024-04-19 04:21:18
Python
让肖像笑 参考图片 潜在优化 微笑转变 | | | | | | | | | | || 与基于StyleGAN的任何其他模型不同，我们提出了有关如何将样式转换工作与基础Generator结合在一起的新思路。 更准确地说，使用预先训练的styleGAN和styleGAN编码器生成的一些潜在特征，然后我们可以将油像的整个域转换为stylGAN潜在空间（真实人脸图像），然后生成油像styleGAN。 这是神经网络的结构 初训 二次训练 使用情况 直接使用的API尚未附加。 训练 预处理 需要经过预先训练的官方样式GAN模型（ ） 需要对齐的图片（ ）。 初训 第一步，您应该使用styleGAN生成的数据集（建议随机抽样），该数据集可以从image（styleGAN生成）向潜在空间获取数据集。 利用特征提取器生成的原始潜在和新潜在预测之间的MSE损失，您可以在合成模型上获得高质量的重构。
【文件预览】：
TransferWork-master
----InterFaceGAN()
----.gitmodules(99B)
----models()
--------image_to_latent.py(2KB)
--------feature_mapping.py(583B)
--------LocallyConnected2d.py(1KB)
--------losses.py(1KB)
--------latent_optimizer.py(3KB)
----data_create.py(1KB)
----utilities()
--------copy.py(2KB)
--------logger.py(662B)
--------dataset.py(6KB)
--------__init__.py(328B)
--------images.py(1017B)
--------hooks.py(725B)
--------files.py(114B)
----train.sh(23B)
----assets()
--------images()
----encode_image_feature.py(10KB)
----imgs()
--------pipeline3.png(135KB)
--------smiles.jpg(4KB)
--------example0.png(119KB)
--------good2.jpg(4KB)
--------ex_fake0.jpg(4KB)
--------good_real.jpg(4KB)
--------sample1.avi(128KB)
--------good2_r.jpg(4KB)
--------ori (2).jpg(8KB)
--------ori.jpg(11KB)
--------good_fake.jpg(4KB)
--------pipeline1(1).png(147KB)
--------sample2.avi(129KB)
----.idea()
--------misc.xml(363B)
--------vcs.xml(245B)
--------deployment.xml(495B)
--------modules.xml(300B)
--------pytorch_stylegan_encoder.iml(662B)
--------.gitignore(39B)
--------inspectionProfiles()
----.gitignore(168B)
----encode_image.py(7KB)
----README.md(16KB)
----.vscode()
--------settings.json(97B)