Neural-Tools, 艺术风格转移项目一起使用的工具

分享于 

7分钟阅读

GitHub

  繁體 雙語
Tools made for usage alongside artistic style transfer projects
  • 源代码名称:Neural-Tools
  • 源代码网址:http://www.github.com/ProGamerGov/Neural-Tools
  • Neural-Tools源代码文档
  • Neural-Tools源代码下载
  • Git URL:
    git://www.github.com/ProGamerGov/Neural-Tools.git
    Git Clone代码到本地:
    git clone http://www.github.com/ProGamerGov/Neural-Tools
    Subversion代码到本地:
    $ svn co --depth empty http://www.github.com/ProGamerGov/Neural-Tools
    Checked out revision 1.
    $ cd repo
    $ svn up trunk
    
    神经工具

    Tools艺术风格转换项目alongside利用控制视觉风格的工具 Leon A 研究论文 paper。 Gatys,亚历山大。Ecker,Matthias Bethge,Aaron Hertzmann和 Eli Shechtman。

    关于如何执行缩放控制和颜色控制的深度信息,包括示例中使用的神经样式参数,可以在的wiki中找到。 颜色控制特性被分解为两种不同的特征,即亮度仅为亮度,而颜色匹配则是。 缩放控制特性主要关注分离样式图像/形状,以及样式图像纹理。

    线性颜色传输

    match_color 代码的代码来自非常天才的Leon Gatys'代码 。 这个脚本是为了帮助在神经样式( ) 中实现缩放控制,但是它可以用于任何需要线性颜色传输的其他。 支持的图像格式包括:jpgjpegpngtiff,等等。

    比例控制示例用神经样式,可以在这里查看

    依赖项:

    sudo apt-get install python-skimage

    sudo pip install numpy

    sudo pip install scipy

    用法:

    基本用法:

    
    python linear-color-transfer.py --target_image target.png --source_image source.png
    
    
    
    

    高级用法:

    
    python linear-color-transfer.py --target_image target.png --source_image source.png --output_image output.png --mode pca --eps 1e-5
    
    
    
    

    命令行参数:

    • --target_image: 你要转换颜色的图像。 示例:target.png

    • --source_image: 你转换颜色的图像。 示例:source.png

    • --output_image: 输出图像的名称。 示例:output.png

    • --mode: 颜色转换模式。 选项是 pcachol 或者 sym

    • --eps: 科学记数法或者普通表示法中的epsilon值。 示例:1e-5 或者 0.00001

    示例:

    源图像:

    目标图像:

    输出图像:

    see这里有关如何使用这里脚本进行比例控制

    线性颜色转移也用于颜色匹配样式转换:

    有关颜色匹配样式转换的更多详细信息,请参见 wiki 上的

    亮度转移

    这个脚本是为了帮助在神经样式中启用颜色控制,也称为"亮度转移"。 这里脚本使用来自 Leon Gatys代码 的代码。 支持的图像格式包括:jpgjpegpngtiff,等等。

    利用神经网络制作的亮度转移/色彩控制示例,在这里可以找到。

    它的工作原理:

    目前,所有可用的模型都是用 rgb/bgr颜色空间进行训练的。 图像亮度可以灰度空间图像形式表示,可以转化为RGB格式的神经样式。 通过神经样式运行灰度图像后,将颜色应用到输出中,使用of颜色空间。

    基本上由于预约的模型限制,灰度图像被用来传输亮度,并使用支持亮度的彩色空间。

    依赖项:

    sudo apt-get install python-skimage

    sudo pip install numpy

    sudo pip install scipy

    用法:

    基本用法:

    
    python lum-transfer.py --content_image content.png --style_image style.png
    
    
    
    

    高级用法:

    
    python lum-transfer.py --cp_mode lum --content_image content.png --style_image style.png --org_content content.png --output_style_image output_style.png --output_content_image output_content.png
    
    
    
    

    命令行参数:

    所需的输入图像和输出图像取决于你选择的--cp_mode 选项:

    • --cp_mode: 脚本的模式选项是 lumlum2matchmatch_style

    模式:lum

    • --content_image: 你的内容映像。例如: content.png

    • --style_image: 你的样式图像。例如: style.png

    • --org_content: 原始未修改的内容图像。 示例:original_content.png

    • --output_content_image: 输出内容图像的名称。 示例:content_output.png

    • --output_style_image: 输出样式图像的名称。 示例:style_output.png

    模式:match

    • --content_image: 你的内容映像。例如: content.png

    • --style_image: 你的样式图像。例如: style.png

    • --output_style_image: 输出样式图像的名称。 示例:style_output.png

    模式:match_style

    • --content_image: 你的内容映像。例如: content.png

    • --style_image: 你的样式图像。例如: style.png

    • --output_content_image: 输出内容图像的名称。 示例:content_output.png

    模式:lum2

    • --output_lum2: 来自神经网络的输出图像的名称。 示例:out.png

    • --org_content: 原始未修改的内容图像。 示例:original_content.png

    • --output_image: 输出图像的名称。 示例:output.png

    示例:

    调整样式图像以匹配内容图像:

    神经元风格:

    最终输出图像:


    tool  proj  style  Projects  ART  Transfer