StarGAN V2

1 原理介绍

StarGAN V2是发布在CVPR2020上的一个图像转换模型。 一个好的图像到图像转换模型应该学习不同视觉域之间的映射，同时满足以下属性：1）生成图像的多样性和 2）多个域的可扩展性。 现有方法只解决了其中一个问题，领域的多样性有限或对所有领域用多个模型。 StarGAN V2是一个单一的框架，可以同时解决这两个问题，并在基线上显示出显着改善的结果。 CelebAHQ 和新的动物面孔数据集 (AFHQ) 上的实验验证了StarGAN V2在视觉质量、多样性和可扩展性方面的优势。

2 如何使用

2.1 数据准备

StarGAN V2使用的CelebAHQ数据集可以从这里下载，使用的AFHQ数据集可以从这里下载。将数据集下载解压后放到PaddleGAN/data文件夹下 。

数据的组成形式为：

  ├── data
      ├── afhq
      |   ├── train
      |   |   ├── cat
      |   |   ├── dog
      |   |   └── wild
      |   └── val
      |       ├── cat
      |       ├── dog
      |       └── wild
      └── celeba_hq
          ├── train
          |   ├── female
          |   └── male
          └── val
              ├── female
              └── male

2.2 训练/测试

示例以AFHQ数据集为例。如果您想使用CelebAHQ数据集，可以在换一下配置文件。

训练模型:

   python -u tools/main.py --config-file configs/starganv2_afhq.yaml

测试模型:

   python tools/main.py --config-file configs/starganv2_afhq.yaml --evaluate-only --load ${PATH_OF_WEIGHT}

3 结果展示

4 模型下载

参考文献

• 1. StarGAN v2: Diverse Image Synthesis for Multiple Domains

  @inproceedings{choi2020starganv2,
  title={StarGAN v2: Diverse Image Synthesis for Multiple Domains},
  author={Yunjey Choi and Youngjung Uh and Jaejun Yoo and Jung-Woo Ha},
  booktitle={Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition},
  year={2020}
  }