FastPhotoStyle은 단순하고 편리하며 아름답습니다.

9111 단어 DeepLearningNVIDIA

FastPhotoStyle


순서


deep-photo-styletransfer Matlab 등이 필요하고 설정이 상당히 번거로우며 절차가 복잡하지만 nvidia가 공개한 라이브러리의 FastPhotoStyle은python으로만 완성되고 nvidia의 엄격한 기능군에만 의존하기 때문에 Matlab 의존보다 좋고 간단하다
이 설치학과의 장점은 윤곽, 도안 등을 바꾸지 않고 색깔과 대비도의 큰 변화만 한정했기 때문에 실제 예술 분야와 잘 어울린다는 것이다(대단하다)
나는 몇 가지 예를 들면서 간단하게 실행하고 싶다.
공식 사이트를 보면서 설정해 보세요.나는 주의사항에 중점을 두었다

nvidia의 포크 변경

  • python3(nvidia의python 모듈 지원 대기)
  • 다양한 조합을 자동으로 시도하는 스크립트 추가
  • 주의사항

  • nvidia의 cuda9.0 이후
  • python2의 라이브러리가 아니면 정상적으로 작동할 수 없음
  • gcc, g++의 버전은 2018/2시에 5
  • 로 대응한다
  • cuda의 tensorflow 등 중평시 참조하지 않는 cuda의 lib를 참조하기 때문에 LD_LIBRARY_이 가능하다, ~할 수 있다,...
  • 단호한 대응 조치를 취하다
    $ sudo rm /usr/bin/g++
    $ sudo ln -s /usr/bin/g++-5 /usr/bin/g++
    $ sudo rm /usr/bin/gcc
    $ sudo ln -s /usr/bin/gcc-5 /usr/bin/gcc
    

    Datasource 수집 후 순환에 따라 FastPhotoStyle 적응


    이런 스크립트를 쓰는 게 빨라요.
    import os
    
    from pathlib import Path
    
    import random
    
    import shutil
    names = [name for name in Path('./kaga/nvme0n1/pixabay-scraper/imgs').glob('*')]
    
    PWD = os.environ['PWD']
    for i in range(5000):
      style, content = [str(x) for x in random.sample(names, 2)]
      print(style, content)
      out = f'{PWD}/images/{i:09d}_output.jpg'
      to_style = f'{PWD}/images/{i:09d}_style.jpg'
      to_content = f'{PWD}/images/{i:09d}_content.jpg'
      shutil.copy(style, to_style)
      shutil.copy(content, to_content)
      os.system(f'python ../demo.py --content_image_path={content} --style_image_path={style} --output_image_path={out}')  
      print(to_style)
    

    Examples










    PyTorch와 cuda만 있으면 Style Transfer를 할 수 있어 편리합니다.

    잡담


    약 1년 전, Deep Photo Style Transfer가 고생하면서 만든 느낌인데 예쁜 그림을 쓰면 맛있다는 걸 알았어요.
    하지만 번거로운 환경 의존이 많아 운용 과정을 싣고 싶지 않아 조사에서 멈췄지만 nvidia판은 보기 좋았다.
    이것은 1년 전의 분투 일기이다
    https://github.com/GINK03/gink03.github.io/blob/master/_posts/posts/2017-04-07-deep-photo-style-transfer.md

    포크 라이브러리


    이번에는 상술한 예를 만들기 위해 포크의 저장소이다

    License


    Copyright (C) 2018 NVIDIA Corporation. All rights reserved.
    Licensed under the CC BY-NC-SA 4.0 license ( https://creativecommons.org/licenses/by-nc-sa/4.0/legalcode ).

    About


    This code repository contains an implementation of our fast photorealistic style transfer algorithm. Given a content photo and a style photo, the code can transfer the style of the style photo to the content photo. The details of the algorithm behind the code is documented in our arxiv paper. Please cite the paper if this code repository is used in your publications.
    Yijun Li , Ming-Yu Liu , Xueting Li , Ming-Hsuan Yang , Jan Kautz "A Closed-form Solution to Photorealistic Image Stylization "arXiv preprint arXiv:1802.06474

    좋은 웹페이지 즐겨찾기