CycleGAN 正在参加 2021 年度 OSC 中国开源项目评选,请投票支持!
CycleGAN 在 2021 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
2021 年度 OSC 中国开源项目评选 正在火热进行中,快来投票支持你喜欢的开源项目!
2021 年度 OSC 中国开源项目评选 >>> 中场回顾
CycleGAN 获得 2021 年度 OSC 中国开源项目评选「最佳人气项目」 !
授权协议 BSD
开发语言 Lua 查看源码 »
操作系统 Linux
软件类型 开源软件
开源组织
地区 不详
投 递 者 局长
适用人群 未知
收录时间 2017-04-10

软件简介

CycleGAN 是一个图像处理工具,可将绘画作品生成照片。可以把它理解为是一个 “反滤镜”,该工具来自来自加州大学伯克利分校。

将画作还原成照片

当然,把画作转化成照片是一个较小的需求,CycleGAN 利用这项技术实现了更为实用的功能:将夏天转换成冬天,或将普通的马转化成斑马。

与其它人工智能绘画不同,CycleGAN 的研究团队试图建立一个可双向转化不丢失信息的双向算法。在以往的人工智能绘画,尤其是将照片转化成绘画的 App 里,人工智能其实忽略了很多无法与算法对应的细节,使得细节丰富的照片被转化成细节没那么丰富并带有风格化特征的图片。

但在 CycleGAN 里细节被要求完全保留,尽管算法找不到可以对应的元素。研究人员希望能够将一张图片输入 CycleGAN 后进行多次反复转化(照片→绘画→照片→绘画→照片),最终可以获得与原始照片相同或相近的图片。

除了每次转化后要丢失一些像素外,CycleGAN 在循环转换中的表现不错

为了实现这一点,研究团队必须以机器可以理解的方式去描述每种风格之间的关系,并给机器 “吃下” 大量来自 Flicker 的照片进行训练,再人工去纠正机器在训练过程中产生的错误。CycleGAN 目前在针对几何、颜色和风格上的转化都不错。

环境要求:

  • Linux or OSX

  • NVIDIA GPU + CUDA CuDNN (CPU mode and CUDA without CuDNN may work with minimal modification, but untested)

  • For MAC users, you need the Linux/GNU commands gfind and gwc, which can be installed with brew install findutils coreutils.

部分内容来自:品玩

展开阅读全文

代码

评论 (8)

加载中

引用来自“不避风云”的评论

还开源,这简直是一批钻石。
请问这个怎么运行
2019/05/27 22:46
回复
举报
github页面说明最后一个张图片更NB。
2017/05/06 21:04
回复
举报
该评论暂时无法显示,详情咨询 QQ 群:912889742
谁能给我解释一下「生成对抗网络图像处理工具」是什么意思
2017/05/06 16:08
回复
举报
该评论暂时无法显示,详情咨询 QQ 群:912889742
好厉害
2017/05/06 11:54
回复
举报
打分: 力荐
该评论暂时无法显示,详情咨询 QQ 群:912889742
打分: 力荐
还开源,这简直是一批钻石。
2017/04/23 08:42
回复
举报
更多评论
暂无内容
发表了博客
2019/04/16 19:29

CycleGAN

[TOC] Cycle-GAN Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks paper 方法 损失 对抗损失 Adversarial loss $\mathcal{L}{GAN}(G,D_Y,X,Y)=\mathbb{E}{y \backsim p_{data}(y)}[\log D_Y(y)] +\mathbb{E}{x \backsim p{data}(x)}[\log(1-D_Y(G(x)))]$ 循环一致性损失 Cycle Consistency Loss $\mathcal{L}{cyc}(G,F)= \mathbb{E}{x \backsim p_{data}(x)}[|F(G(x))-x|1] +\mathbb{E}{y \b...

0
0
发表了博客
2019/10/29 16:53

CycleGAN, DiscoGAN, DualGAN

引自:https://zhuanlan.zhihu.com/p/26332365 任务 这里的任务是图像到图像的翻译。如果大家看过去年一篇cvpr的论文,叫pix2pix的话,对这个任务就比较熟悉。就算你们不知道pix2pix,之前有一个很火的,可以把线条画变成猫的网页应用,就是用的pix2pix的算法。然而pix2pix的模型是在成对的数据上训练的,也就是说,对于线条到猫的应用,我们训练的时候就需要提供一对一对的数据:一个线条画,和对应的真实的猫图片。 然而在很多...

0
0
2020/07/30 09:00

训练与测试CycleGAN

使用cycle进行数据集的风格转换,也即数据集的domain transferring ,使用的代码地址:[https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix](https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix) ## 训练过程 按照README进行代码的下载,环境搭建,数据集准备,没有什么大问题,这里略过 接下来以gta到cityscapes为例进行说明: 训练脚本: ``` #从头开始训练的脚本 python train.py --dataroot 准备的数据集的跟...

0
0
2019/09/18 19:06

CycleGan实现图像转换

作者:王镇 引言 1873年的一个春日,在阿让特伊的塞纳河畔,莫奈用纤细的笔触和明亮的调色板记录下了眼前塞纳河畔美丽的田园风光。我们不免想象如果当时有相机的话,会留下一张怎样的照片呢。在一个凉爽的夏日傍晚,面对卡西斯港口的美丽景色,我们拿起相机时是否又会想象莫奈会如何来记录眼前的此番景象呢。 尽管我们没有看到莫奈画作的场景照片,在有了一组莫奈风格画作和真实风景照片后,利用 CycleGan,我们能够将其中一组转...

0
0
发表了博客
2019/11/19 10:59

【源码解读】cycleGAN(一):网络

源码地址:https://github.com/aitorzip/PyTorch-CycleGAN 如图所示,cycleGAN的网络结构包括两个生成器G(X->Y)和F(Y->X),两个判别器Dx和Dy 生成器部分:网络整体上经过一个降采样然后上采样的过程,中间是一系列残差块,数目由实际情况确定,根据论文中所说,当输入分辨率为128x128,采用6个残差块,当输入分辨率为256x256甚至更高时,采用9个残差块,其源代码如下, class Generator(nn.Module): def __init__(self, inpu...

0
0
发表了博客
2019/04/08 16:04

GAN的流程-cyclegan为例

在关于原理里面已经讲了adversial 这个东西的原理以及流程, 这个算法本身没什么吸引,美妙的地方在于他的训练流程! 这个篇章着重讲如何跑通一个GAN的代码---这里特指cyclegan 1 下载代码: https://github.com/junyanz/pytorch-CycleGAN-and-pix2pix/ 从这里下载代码,然后按照redeme配置环境即可 2配置环境:   1 python3.6   2 torch必须是0.4.0 3下载数据集,按照reame,没问题 在我顺利跑通前,会遇到一个意想不...

0
0
发表了博客
2018/10/19 21:10

CycleGan论文笔记

原文地址:https://arxiv.org/abs/1703.10593 背景——风格迁移 图片生成领域是GAN网络的天下,最近很多人将GAN网络应用到了图像风格迁移领域。这篇论文也是做image to image translation,之前已经有较为成功的网络PIX2PIX了(同一个团队做的),本篇论文的出发点和PIX2PIX的不同在于: PIX2PIX网络要求提供image pairs,也即是要求提供x和y,整个思路为:从噪声z,根据条件x,生成和真实图片y相近的y‘。条件x和图像y是具有一定...

0
0
发表了博客
2018/10/16 16:21

CycleGAN-3d深度估计

github链接: https://github.com/andrea-pilzer/unsup-stereo-depthGAN/ 笔者自己认为这篇论文提出的方法并不是特别好,类似于CycleGAN的网络结构并没有为训练效果带来好的改变。与之前的Godard等人提出的方法相比依然有差距,所以不能证明这个网络训练有更好的效果。 正文翻译: Abstract: 现在最近基于监督回归的单目深度估计方法已经有了很好的成果,但在训练过程中要求有昂贵的地面实况注解。为了应付这种情况,在这这篇论...

0
0
2020/07/26 10:33

Ubuntu18.04 下配置lua版本的CycleGAN

## 本地环境 linux版本:18.04.1-Ubuntu gcc/g++环境:gcc (Ubuntu 7.5.0-3ubuntu1~18.04) 7.5.0 CUDA 版本: 10.1 显卡驱动版本:440.100 ## CycleGAN配置 1. 安装torch环境 因为原版本的torch安装的时候在CUDA10以上的版本会出现错误,所以直接安装修改过的适合CUDA10的版本: ``` https://github.com/nagadomi/distro.git #cuda10,默认是 ``` 按照torch官网的步骤安装lua环境和torch,应该是没有大问题 2. 安装CycleGAN依赖 ...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
暂无内容
8 评论
116 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部