【Demo】深度照片风格转换 - 资源下载

0 有用

1 下载

【Demo】深度照片风格转换

文件列表（压缩包大小 182.32M)

免费

概述

深度照片风格转换

论文《Deep Photo Style Transfer》的代码和数据

设置

此代码基于torch，它已经在Ubuntu 14.04 LTS上进行了测试。

依赖：

Torch (with matio-ffi and loadcaffe)
Matlab or Octave

CUDA后端：

CUDA
cudnn

下载VGG-19：

sh models/download_models.sh

编译cuda_utils.cu（在makefile中调整PREFIX和NVCC_PREFIX）：

make clean && make

用法

快速开始

要使用提供的脚本生成所有结果（在examples/），只需运行：

run('gen_laplacian/gen_laplacian.m')

在Matlab或Octave中输入以下命令：

python gen_all.py

最终输出结果在examples / final_results /中。

基本用法

给定带有语义分割蒙版的输入图像和样式图像，将它们分别放在examples /中。它们将具有以下文件名形式：examples / input / in <id> .png，examples / style / tar <id> .png和examples / segmentation / in <id> .png，examples / segmentation / tar <id>.png;
在Matlab中使用gen_laplacian / gen_laplacian.m计算抠图拉普拉斯矩阵,输出矩阵将具有以下文件名形式：gen_laplacian / Input_Laplacian_3x3_1e-7_CSR <id> .mat;

注意：请确保内容图像分辨率与Matlab中的Matting Laplacian计算和Torch中的样式转换一致，否则结果将不正确。

运行以下脚本以生成分段的中间结果：

th neuralstyle_seg.lua -content_image <input> -style_image <style> -content_seg <inputMask> -style_seg <styleMask> -index <id> -serial <intermediate_folder>

运行以下脚本以生成最终结果：

th deepmatting_seg.lua -content_image <input> -style_image <style> -content_seg <inputMask> -style_seg <styleMask> -index <id> -init_image <intermediate_folder/out<id>_t_1000.png> -serial <final_folder> -f_radius 15 -f_edge 0.01

你可以将-backend cudnn和-cudnn_autotune传递给两个Lua脚本（步骤3.和4.），从而潜在地提高速度和内存使用率。libcudnn.so必须位于LD_LIBRARY_PATH中,这需要cudnn.torch。

图像分割

注意：在论文中，使用从DilatedNet修改而来的自动场景分割算法生成所有比较结果。手动分段可实现更多不同的任务，因此我们在examples/segmentation/中提供了掩膜（mask）。

我们所使用的掩膜颜色（你可以在两个* .lua文件的ExtractMask函数中添加更多颜色）：

颜色	RGB值	十六进制值
blue	0 0 255	0000ff
green	0 255 0	00ff00
black	0 0 0	000000
white	255 255 255	ffffff
red	255 0 0	ff0000
yellow	255 255 0	ffff00
grey	128 128 128	808080
lightblue	0 255 255	00ffff
purple	255 0 255	ff00ff