U-GAT-IT - Unofficial Paddle Implementation

This project is an unofficial Paddle implementation of U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation. It is adapted from znxlwm/UGATIT-pytorch.

本项目是U-GAT-IT: 对官方实现znxlwm/UGATIT-pytorch进行修改为PaddlePaddle框架.

本人能力有限，复现效果一般，本项目为百度顶会论文复现营的结课作业。 https://aistudio.baidu.com/aistudio/education/group/info/1340

准备数据

将selfie2anime数据集放到dataset目录下, 这里将数据集文件夹名称命名为selfie2anime

训练模型

这里我们训练UGATIT的Light版本的模型, Light版本的模型占用的显存比Full版本的少. 如果想训练Full版本, 可以去掉参数--light True.

python main.py ---dataset selfie2anime

生成的结果会保存在目录results/<数据集名称>/img下.

测试模型

python main.py  --dataset selfie2anime --phase test

程序会加载迭代为10000的保存点, 并进行测试. 如果使用selfie2anime数据集.

结果会保存在目录results/<数据集名称>/test下.

代码结构

• main.py

入口代码, 负责声明各种命令参数

• networks.py

  U-GAT-IT模型的搭建

• UGATIT.py

  U-GAT-IT模型的训练

• dataset.py

  读取数据集

• transforms.py

  图像的相关方法，与torchvision中的transforms相似

• results/selfie2anime/model

模型保存地址

• results/selfie2anime/test

测试输出的图片

训练日志

log.txt 记录训练过程

论文引用

@inproceedings{
Kim2020U-GAT-IT:,
title={U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation},
author={Junho Kim and Minjae Kim and Hyeonwoo Kang and Kwang Hee Lee},
booktitle={International Conference on Learning Representations},
year={2020},
url={https://openreview.net/forum?id=BJlZ5ySKPH}
}