【Pytorch】【PULSE】基于StyleGan的高分辨率图像生成器

最新推荐文章于 2024-04-23 09:10:36 发布
最新推荐文章于 2024-04-23 09:10:36 发布
阅读量1k 收藏 4
点赞数
分类专栏： ML&DL 文章标签： 深度学习 pytorch
版权声明：本文为博主原创文章，遵循 CC 4.0 BY 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43931465/article/details/115026150
版权

因为研究项目是高分辨率图像生成器，所以我们还是从github学习已有的代码（主要还是从别的博主的博客借鉴了很多！）应该所有人都有体会，就是别人能运行的代码！我绝对要疯狂Debug。希望这次能快点成功噢。

文章目录

学习资料

开源代码：https://github.com/adamian98/pulse

PULSE + ALAE：使用 StyleGAN 从低阶图像重建高清人脸

心中无码便是高清

环境配置报错参考

我的环境配置：

  • 显卡NAVIDIA 1050Ti，版本411.31
  • cuda 10.0
  • cudann
  • 配置路径Pytorch
    在这里插入图片描述

cuda安装教程+cudnn安装教程
Windows10检查Cuda和cuDNN是否安装成功
windows10 Anaconda安装pytorch(GPU)

解决torch.cuda.is_available()一直返回False的玄学方法之一

这真的是唯一有效的解决方法，我下载的是（随意挑的）
在这里插入图片描述
在这里插入图片描述

报错：AttributeError: ‘Tensor’ object has no attribute ‘ndim’

就是把所有的param.ndim改成len(list(param.size()))

成功运行PULSE开源项目时的环境

在这里插入图片描述

运行步骤

  1. 将测试图片（高清）放在工程realpics文件夹内
  2. 使用 align_face.py 对图片降低分辨率处理，dlib检测人脸框默认降低为 32x32 分辨率的图片。python align_face.py
    降阶后的图片保存到：./input 目录中
  3. 运行：run.py基于 32x32 的人脸小图，重建生成 1024x1024 的高清人脸大图，放在：./runs 目录中。
    或者可以python run.py -steps=2000指定迭代次数

第一次的尝试

有点拉胯。。。

原图
在这里插入图片描述
处理后低分辨率图像
在这里插入图片描述
图像还原结果
在这里插入图片描述

王亿亿
关注
  • 0
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
深度学习pytorch——彩色图片识别
weixin_45304386的博客
12-02 914
经典案例CIFAR10 彩色图像识别
python无损压缩图片_PyTorch实现“通过超高分辨率实现无损图像压缩”
weixin_39895995的博客
02-04 1392
Lossless Image Compression through Super-Resolution Citation@article{cao2020lossless,title={Lossless Image Compression through Super-Resolution},author={Cao, Sheng and Wu, Chao-Yuan and and Kr{\"a}hen...
NVIDIA的StyleGAN、StyleGAN2、StyleGAN3系列论文解读，梳理基于风格的生成器架构
深度学习领域优质创作者，CSDN博客专家
06-13 1万+
StyleGAN基于风格生成图片系列的梳理，希望能够帮助到大家，更快熟悉这个让人惊艳的模型
深度探索：机器学习中的StyleGAN算法原理及其应用
qq_51320133的博客
04-23 933
StyleGAN凭借其创新的架构设计和高效的训练策略，成功突破了传统GAN在图像生成领域的局限，开启了高质量、高可控性图像合成的新篇章。尽管存在训练难度大、模式塌陷等问题，但随着硬件技术的进步和算法优化研究的深入，这些问题有望得到进一步解决。未来，StyleGAN有望在更多领域发挥作用，如视频生成、3D对象建模、跨域图像翻译等，同时也可能推动GAN理论的进一步发展，诸如更深入的风格理解和控制、更高效的训练方法等研究方向值得期待。
（2019, StyleGAN）用于 GAN 的基于样式的生成器架构
qq_44681809的博客
05-17 743
本文基于风格迁移提出了一个新的生成器，如图 1 所示。该生成器可以在保留高级属性（例如，在人脸上训练时的姿势和身份）的同时，使生成图像产生随机变化（例如，雀斑、头发）。
Android屏幕分辨率适配之sw文件生成器
乐活青年的博客
08-17 1605
package dimens.utils; import java.io.File; import java.io.FileOutputStream; import java.math.BigDecimal; public class DimenGenerator { private static final int MAX_SIZE = 360; private static fi...
PyTorch正式实现StyleGAN3.zip
03-14
- StyleGAN3是生成对抗网络（GAN）的一种变体，用于生成高质量逼真的图像。它是对前代模型StyleGAN和StyleGAN2的改进版本，通过引入多样性并提升模型的可控性，进一步优化生成图像的质量和细节。 2. **PyTorch实现...
styleGAN2模型pytorch版本
03-03
按照论文对作者代码（tensorflow）进行了简化（部分地方做了微调），适合于新手入门生成对抗网络（GAN）并进行初步图像生成操作，代码整体简洁易读，建议配套原作者代码食用，可以将代码当做对原作者代码的参考或...
风格迁移图像生成-基于Pytorch实现CycleGAN风格迁移图像生成算法-附项目源码+流程教程-优质项目实战.zip
最新发布
05-28
风格迁移图像生成_基于Pytorch实现CycleGAN风格迁移图像生成算法_附项目源码+流程教程_优质项目实战
在Pytorch中最简单的Stylegan2工作实现-python
06-18
用于 Pytorch 的简单 StyleGan2 基于 https://arxiv.org/abs/1912.04958 的 Stylegan2 的简单工作 Pytorch 实现 下面是一些不存在的花。 这些手和这些城市都没有安装您将需要一台安装了 GPU 和 CUDA 的机器。 然后...
StyleGAN2_PyTorch:StyleGAN2 PyTorch 1.0.1
03-08
StyleGAN2的PyTorch实现（非官方） 该存储库包含以下论文的PyTorch实现： 分析和改善StyleGAN （StyleGAN2）的图像质量作者：Tero Karras，Samuli Laine，Miika Aittala，Janne Hellsten，Jaakko Lehtinen，Timo ...
在Pytorch中最简单的Stylegan2工作实现-Python开发
05-25
用于Pytorch的简单StyleGan2基于https://arxiv.org/abs/1912.04958的Stylegan2的简单工作Pytorch实现。以下是一些不存在的花朵。 这些手也不会安装。您将不会使用基于https://arxiv.org/abs/1912.04958的Stylegan2的简单工作Pytorch实现。 这些手和这些城市都不会安装。您将需要一台装有GPU和CUDA的计算机。 然后pip这样安装软件包：$ pip install stylegan2_pytorch如果您使用的是Windows计算机，则可以使用以下命令。 $ conda安装pytorch torchvision -c python $ pip install stylegan2_pyto
Face-Depixelizer:基于“ PULSE”的人脸去像素器
03-18
笔记 我们注意到，人们非常关注PULSE将被用于识别脸部模糊的个人。我们要强调的是，这是不可能的-PULSE制作了不存在的人的虚构面Kong，这不应与真实的人混淆。它不会帮助识别或重建原始图像。 我们还想解决有关PULSE偏见的问题。现在，我们在中增加了一个新的部分，并附带了一个模型卡，直接解决了这一偏见。 如果您对该主题感兴趣，可以阅读。 脸部去像素器 基于“ PULSE：通过生成模型的潜在空间探索进行自我监督的照片升采样”存储库的人脸去像素器。 给定低分辨率的输入图像，Face Depixelizer会在生成模型的输出（此处为 ）中搜索感知上真实且正确缩小的高分辨率图像。 检查它在Google Colab上的工作方式： 俄语 英语 基于： 文章： 当前使用Google云端硬盘存储模型权重，并且每天都有下载上限，因此，您可能会收到一条错误消息，提示“超出Google云端硬盘配额”或“
stylegan2-ada-pytorch:StyleGAN2-ADA-官方PyTorch实施
03-07
StyleGAN2-ADA —官方PyTorch实施 用有限的数据训练生成对抗网络Tero Karras，Miika Aittala，Janne Hellsten，Samuli Laine，Jaakko Lehtinen，Timo Aila 摘要：使用太少的数据训练生成对抗网络（GAN）通常会导致判别器过度拟合，从而导致训练分散。 我们提出了一种自适应鉴别器增强机制，该机制可显着稳定有限数据环境中的训练。 该方法不需要更改丢失功能或网络体系结构，并且适用于从头开始训练以及在其他数据集上对现有GAN进行微调时。 我们在几个数据集上证明，仅使用几千个训练图像就可以取得良好的效果，并且通常将StyleGAN2的结果与较少的图像数量级进行匹配。 我们希望这将为GAN开辟新的应用程序域。 我们还发现，实际上，广泛使用的CIFAR-10只是一个有限的数据基准，并将记录FID从5.59提高到2.4
stylegan2-pytorch:PyTorch中分析和改善StyleGAN（StyleGAN 2）图像质量的实现
04-28
PyTorch中的StyleGAN 2 在PyTorch中实现并改善StyleGAN的图像质量（ ） 注意 我试图尽可能接近官方实施，但也许我遗漏了一些细节。 因此，请谨慎使用此实现。 要求 我已经测试过： PyTorch 1.3.1 CUDA 10.1 / 10.2 用法 首先创建lmdb数据集： python prepare_data.py --out LMDB_PATH --n_worker N_WORKER --size SIZE1，SIZE2，SIZE3，... DATASET_PATH 这会将图像转换为jpeg并预先调整其大小。 此实现不使用渐进式增长，但是对于以后要尝试其他分辨率的情况，可以使用带有逗号分隔列表的大小参数来创建多个分辨率数据集。 然后您可以在分布式设置中训练模型 python -m torch.distributed.launch --nproc
【实战】PULSE + ALAE：使用 StyleGAN 从低阶图像重建高清人脸
weixin_41943311的博客
06-23 3319
如果有我们一张低阶的、非常模糊的人脸图像，希望把它恢复成高清人脸，然后辨认这个人脸是否是某个人，应该怎么做？ 举个例子，某个小区发生了一起盗窃案，我们只是从监控录像中截取到一个非常模糊的人脸，能够用StyleGAN的方法像公安刑侦的“嫌疑人画像”一样，快速地重建高清人脸吗？ 或者，我们找到一张20年前的一张照片，只从上面提取到一个非常小的人脸，能够有办法把它复原成一张高清大图吗？ 下面介绍两个 github.com 上的开源项目，一个用于重建人脸（PULSE），一个用于调整参数（ALAE）。 （一）
【项目实战课】基于Pytorch的StyleGAN人脸属性（表情、年龄、性别）编辑实战
hacker_long的专栏
02-28 4051
欢迎大家来到我们的项目实战课，本期内容是《基于Pytorch的StyleGAN人脸属性编辑实战》。所谓项目实战课，就是以简单的原理回顾+详细的项目实战的模式，针对具体的某一个主题，进行代码...
StyleGAN-代码实现分析
Jenny_BigData的博客
07-10 3882
StyleGAN 的pytorch实现
PyTorch 实现CycleGAN 风格迁移
热门推荐
qq_57886603的博客
12-24 1万+
一、前言 pix2pix对训练样本要求较高，需要成对的数据集，而这种样本的获取往往需要耗费很大精力。CycleGAN恰巧解决了该问题，实现两个domain之间的转换，即只需要准备两种风格的数据集，让GAN去学习将domain X中的图片转换成domain Y的风格(不改变domain X原图中物体，仅仅实现风格转换)。 一种直观的思路是直接让G去学习domain X 到domain Y 以及domain Y 到domain X的映射关系，但这种方式会造成G生成图片的随机性...
基于pytorch写一个调用GAN训练好的生成器模型的代码
06-06
好的，以下是一个基于PyTorch的调用GAN训练好的生成器模型的代码示例： ```python import torch # 加载生成器模型 generator = torch.load('generator.pt') # 设置生成器为评估模式 generator.eval() # 生成噪声...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值