发表它 毕业设计 这是Post-IT团队的毕业项目 StarGan-v2 东盟 您可以下载SEAN（具有语义区域自适应归一化的图像合成）预训练模型（CelebA-HQ_pretrained） 染色 RGB染色 整理 FaceParser 您可以下载FaceParser pretraiend模型（CelebAMask-HQ数据集） 脸部化妆 染色没有参考。 仅使用RGB值 参考 StarGan-v2： SEAN： FaceParser： FaceMakeUp：

StarGAN-官方PyTorch实施 *****新增功能：可从获得StarGAN v2 ***** 该存储库提供了以下论文的官方PyTorch实现： StarGAN：用于多域图像到图像翻译的统一生成对抗网络1,2， 1,2， 2,3，2，2,4， 1,2- 1韩国大学， 2 Clova AI研究，NAVER Corp. 3香港科技大学新泽西学院4 摘要：最近的研究表明，在两个领域的图像到图像翻译中取得了巨大的成功。 但是，由于应为每对图像域分别构建不同的模型，因此现有方法在处理两个以上

StarGAN-v2 客观的： 为了训练单个生成器G，其生成与给定图像x相对应的每个域y的不同图像。 本文中使用的技术术语： 多样的图像：每次给定源图像和域时都产生不同的图像。 （StarGAN的缺点） 域：一组图像，形成视觉上独特的类别。 例如：一个人的性别 样式：每个图像的唯一外观。 例如：发型，化妆等。 潜在空间：一个空间，在该空间上表示压缩数据以删除无关的信息并找到两个数据点之间的基本相似性。 。 阅读更多 网络尝试在每个域的学习样式空间中生成特定于域的样式矢量，并训练G在输出

StarGAN v2 —官方TensorFlow实施 由实施 要求 Tensorflow == 2.1.0 Tensorflow-addons == 0.9.1 opencv-python Pillow tqdm 用法 ├── dataset    └── YOUR_DATASET_NAME    ├── train           ├── domain1 (domain folder) ├── xxx.jpg (domain1 image)