无监督生成注意网络 UGATIT

MIT
Python
跨平台
2019-08-05
红薯

U-GAT-IT 官方 Tensorflow 实施,用于图像到图像转换的自适应层实例规范化的无监督生成注意网络

U-GAT-IT:具有用于图像到图像转换的自适应层实例标准化的无监督生成注意网络
Junho Kim(NCSOFT),Minjae Kim(NCSOFT),Hyeonwoo Kang(NCSOFT),Kwanghee Lee(波音韩国)

我们提出了一种新的无监督图像到图像转换方法,它以端到端的方式结合了新的注意模块和新的可学习的归一化功能。注意模块引导我们的模型基于辅助分类器获得的关注图来关注区分源域和目标域的更重要区域。与先前基于注意力的方法不同,这些方法无法处理域之间的几何变化,我们的模型可以转换需要整体变化的图像和需要大变形的图像。此外,我们新的AdaLIN(自适应图层实例标准化)功能可帮助我们的注意力引导模型根据数据集通过学习参数灵活地控制形状和纹理的变化量。

训练

> python main.py --dataset selfie2anime
  • 如果gpu的内存不足,请设置--light为True

测试

> python main.py --dataset selfie2anime --phase test

架构


结果

消融研究

用户研究

对照

引文

如果您发现此代码对您的研究有用,请引用我们的论文:

@misc{kim2019ugatit,
    title={U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation},
    author={Junho Kim and Minjae Kim and Hyeonwoo Kang and Kwanghee Lee},
    year={2019},
    eprint={1907.10830},
    archivePrefix={arXiv},
    primaryClass={cs.CV}
}
的码云指数为
超过 的项目
加载中

评论(0)

暂无评论

暂无资讯

暂无问答

Coding and Paper Letter(六十七)

资源整理。 1 Coding: 1.matplotlib的初学者教程。 matplotlib tutorial 2.加州大学伯克利分校IT研究主页。 ucb-rit.github.io 3.最新教程材料的仓库来自华盛顿大学2019年ICESat-2 Hack Wee...

08/10 21:25
18
0

没有更多内容

加载失败,请刷新页面

没有更多内容

返回顶部
顶部