Masking GAN-生成图像属性蒙版(pytorch) !免责声明 这个项目几乎被放弃了。 在花费大量时间调整模型之后,我获得了以下结果。 不幸的是,我无法重现结果,这意味着我很幸运能够获得一次良好的随机种子。 另外,我现在对这方面的研究不感兴趣,因此该问题不会很快得到解决。 这就是生活。 动机 当我第一次处理语义操纵问题时,没有像CycleGAN这样的解决方案,或者后来的发现。 甚至现在,它们都产生了伪像。 方法 使用带有内置分段的生成器体系结构。 通过分割蒙版将原始图像与新色块混合。 端到端训练整个网络。 使用L1身份丢失来约束Generator并减少更改。 指示 我正在使用CelebA数据集来训练模型。 要重现结果,需要两个文件: img_align_celeba.zip和list_attr_celeba.txt 您可以从此处下载它们,然后放入{PROJECT_DIR}