neurartist 0.4.1

神经艺术家

各种艺术深度学习的现成实施 算法。

• 使用卷积神经网络的图像样式传输，gatys等。 艾尔，2016年
• 控制神经风格转换中的知觉因素。 艾尔，2016年

安装

# It is recommended to install torch/torchvision manually before this command, according to your hardware configuration (see below)
pip install neurartist

请注意，建议使用GPU，如CNN计算 在CPU上相当慢。

nb对于gpu用户：pip与cuda一起发布torch/torchvision。 工具包9.0。如果使用最新版本的CUDA工具包，请参见 的PyTorch website Pythorch与其他版本的 工具箱。

用法

# Then see the builtin help for usage details
neurartist --help

import neurartist

示例

• 基本用法：将图像的样式应用于内容图像，而 保留语义内容。

neurartist -c content.jpg -s style.jpg

• 颜色控制：应用样式，但保留内容的颜色 形象。

# Luminance only
neurartist -c content.jpg -s style.jpg --color-control luminance_only
# Luminance only, luma normalized
neurartist -c content.jpg -s style.jpg --color-control luminance_only --cc-luminance-only-normalize
# Color histogram matching
neurartist -c content.jpg -s style.jpg --color-control histogram_matching

风格LIIN：混合风格1的粗略信息（更高） 层）具有Style2（较低层）的精细比例信息， 创建混合样式以应用于内容图像。

neurartist -c style1.jpg -s style2.jpg -o mixed.png --content-layers [22,29] --style-layers [1,6]
neurartist -c content.jpg -s mixed.png

• 高效高分辨率：第一遍是低分辨率样式 第二，有效捕捉粗尺度样式特征的传输 pass是一种高分辨率的样式转换，它可以将 第一关，用细刻度填充丢失的细信息 风格特征。

neurartist -c content.jpg -s style.jpg -o lowres.png -S 500
neurartist -c content.jpg -s style.jpg -o highres.png -S 1000 --init-image-path lowres.png

• 空间控制：有制导通道的制导gram矩阵。 制导路径应包含黑白制导图像（带有 与内容和样式图像的大小比率相同），定义 每个图像语义区域的边界。样式引导图像 和内容指导图像应该有相同的名称，在 对应于语义区域。图像分割应该 详尽无遗。

neurartist -c content.jpg -s style.jpg --content-guidance content_image_guidance_path/ --style-guidance style_image_guidance_path/ --guidance-propagation-method inside

开发

强烈推荐使用水蟒：

conda create python=3.7 --name neurartist_env
conda activate neurartist_env

# with gpu
conda install pytorch torchvision cudatoolkit=<your cudatoolkit version> -c pytorch
conda install --file requirements.txt

# with cpu
conda install pytorch-cpu torchvision-cpu -c pytorch
conda install --file requirements.txt

然后，您可以使用以下命令直接运行主入口点：

python -m neurartist --help

或者使用--editable标志生成并安装控制盘文件。

待办事项

• 文件。
• 实施总变化损失（见 this）。
• 实现引导求和。
• 检查是否需要为 没有被任何通道覆盖的像素（在 但很模糊）。简而言之：是的，它是需要的，更大的 内核大小样式传输不在边界处执行。
• 对于导航通道传播：研究它们的含义 “侵蚀”（见原始链接的补充材料文件 条款）。
• Semantic segmentation as described in this article as to limit spillovers：不同 比引导的gram矩阵更接近，但是使用空间 用于描述 图像。
• 更深入的艺术算法。