问题标签 [style-transfer]

我一直在使用TensorFlow 网站上的本教程来创建执行样式转换的脚本(python3)。我正在尝试在特定艺术作品上训练模型，然后将该风格应用于任何随机照片。根据我对本教程的理解，该脚本采用样式图像和内容图像，通过 VGG19 模型运行它们并输出最终图像（在我的机器上大约需要 30 分钟）。但我看不出有办法保存训练后的模型以将其应用于另一张内容照片。本教程没有像我期望的那样使用 TF 的模型fit()、predict()和方法。save()它似乎只是在训练时将预测应用于图像。

如何保存训练好的模型？保存后如何在另一张内容照片上使用它？

我有风格转移模型，pytorch由 onnx 训练并转换为mlmodel. style-image是1500x2000。_ 通过使用coremltools，我设置了两种尺寸：256x256和1500x2000. 现在我可以将两种图像尺寸传递给预测过程。以下是结果：

左边是1500x2000图像，右边是256x256（处理后放大） 是否可以通过大图像但有更大尺寸的笔触，如右图所示？所以我想保持图像大小和质量（1500x2000）但改变样式的大小（笔触）。或者这是不可能的，这完全取决于image-style我用来训练模型的大小。

所以，我一直在研究 Pytorch 中的神经风格迁移，但我被困在我们必须通过有限数量的层运行输入图像并最大限度地减少风格损失的地步。长话短说，我想在 Pytorch 中找到一种方法来评估架构不同层的输入（我使用的是 vgg16）。我已经看到这个问题在 keras 中非常简单地解决了，但我想看看 pytorch 中是否也有类似的方法。

我正在尝试使用来自此存储库https://github.com/MarcoForte/closed-form-matting的 Levin 的封闭式解决方案 python 实现来执行图像的样式传输。我不知道该怎么做。每当我尝试时，我都会得到与输入图像完全相同的前景图像。谁能帮助我自信地理解先验和先验是什么以及如何使用它进行样式转换？

我根据这篇论文编写了一个自定义模型，用于 TF2.0 中的样式转换。简而言之，所提出算法的损失函数需要评估 3 个损失分量。该模型接受 2 个输入图像，比如 Ic、Is（c 代表内容，s 代表风格），然后弹出一个拼贴图像 O。

在单个训练步骤中，网络接收以下一对作为输入并弹出相应的图像：

• Ic，是 -> O（需要）
• Ic, Ic -> O 身份损失1
• 是，是 -> O 身份损失2

然后一个特征网络评估不同的损失分量（因为主网络需要 3 次前向传递，但不是可训练网络的一部分，因此它具有不可训练的权重）

代码如下所示：

我可以很容易地训练模型，但是当我尝试 save_weights 时，我得到：

似乎某些权重被复制（包括名称）在保存它们时出现上升错误。

...有人知道吗？

我正在使用 colab 运行 3d 样式传输脚本。不幸的是，输出的形式是 gif 而不是 obj。我使用了https://github.com/AR2IL/DeepDesign2019代码，其中 Alexa 提供嵌入在与 Hiroharu 相同的代码中的 obj 输出。不幸的是，代码的 save_obj 部分抛出附加错误。如果我删除 save_obj 部分，那么它工作得很好。错误

我是初学者，需要一些帮助，我不知道我哪里出错了。我使用这个命令来运行脚本 - !bash

DIR=./data python2 ./run.py -im ${DIR}/meshes/Amusement_4.obj -is ${DIR}/styles/Test_1.png -o ${DIR}/results/Results_Amusement_4.gif -lc 2000000000 -ltv 1000

我正在尝试使用 Keras 设置梯度下降过程，但我不断收到错误消息：

这是我的错误信息：

我试图执行 loho.py，我得到了这个错误

在 _legacy_load deserialized_objects[key]._set_from_file(f, offset, f_should_read_directly) RuntimeError: 意外 EOF，预期多 1362420 个字节。该文件可能已损坏。'''

尝试运行此存储库：GitHub - https://github.com/saakshi077/LOHO。

Colab 文件链接：https ://colab.research.google.com/drive/1ykZK0v81l20UnbFDhr1P6PH54gFGhBqV?usp=sharing

我目前正在做一个风格转移项目，想看看内容和风格图像的显着图之间的区别。我已经设法让实际的传输工作，但在尝试锻炼如何最大限度地减少 2 个图像之间的显着性损失时遇到了问题。下面的代码是用于生成显着图的代码。

下面的图片是运行上述代码的结果，除了内容图像被替换为“样式图像”。我可以看到该地图工作正常，但是，我一直在努力解决如何获得显着性地图的值或如何从另一个中减去一个值，以便查看 2 if 之间的区别那讲得通。

所以我的问题是，有没有办法计算两张地图之间的数值差异？我希望尽量减少两张地图之间的这种“差异”，但还没有弄清楚如何做到这一点。

谢谢

我已经设法使用下面的代码获得图像的显着图。在这里，它获得显着图以及逆显着图，然后将结果应用于图像，以获得图像的前景和背景。

放入此图像后，我分别得到前景和背景的以下输出：

我想知道，如何提高前景的亮度或特征，使特征更加突出，如果有意义的话，图像会更亮？知道可以做什么吗？干杯