私的AI研究会 > StarGAN2
「StarGAN-V2」で特徴操作・顔の合成をおこない顔を変化させる
ローカル環境で「StarGAN-V2」を動かす
cd /anaconda_win/workspace_2 ← Windows の場合 cd ~/workspace_2 ← Linux の場合 git clone https://github.com/clovaai/stargan-v2.git
update
└─workspace_2
└─stargan-v2 ← GitHub からクローンしたプロジェクトに上書きする
├─assets
│ └─representative
├─core
└─expr
├─checkpoints
└─results
・解凍してできる「update/」フォルダ以下を次のフォルダの下に上書きコピーする(py38_gan) PS > python main.py --mode sample --num_domains 2 --resume_iter 100000 --w_hpf 1 --checkpoint_dir expr/checkpoints/celeba_hq --result_dir expr/results/celeba_hq --src_dir assets/representative/celeba_hq/src_0 --ref_dir assets/representative/celeba_hq/ref_0
(py38_gan) python main2.py --mode sample --num_domains 2 --resume_iter 100000 --w_hpf 1 --checkpoint_dir expr/checkpoints/celeba_hq --result_dir expr/results/celeba_hq --src_dir assets/representative/celeba_hq/src_0 --ref_dir assets/representative/celeba_hq/ref_0
| コマンドオプション | 引数 | 初期値 | 意味 |
| --model | str | 'align' | 実行モード（固定） |
| --img_size | int | 256 | 画像サイズ |
| --inp_dir | str | '' ダイアログによる指定 | 変換する画像のあるフォルダ |
| --out_dir | str | 'assets/representative/custom_src_align' | 出力するフォルダ |
| --wing_path | str | 'expr/checkpoints/wing.ckpt' | |
| --lm_path | str | 'expr/checkpoints/celeba_lm_mean.npz' |
(py38_learn) python starv2_align.py StarGAN v2 mode align Ver 0.01: Starting application... --mode : align --img_size : 256 --inp_dir : C:/anaconda_win/workspace_2/stargan-v2/assets/representative/custom_src --out_dir : assets/representative/custom_src_align --wing_path : expr/checkpoints/wing.ckpt --lm_path : expr/checkpoints/celeba_lm_mean.npz Saved the aligned image to f_kiyohara_4.jpg... Saved the aligned image to f_suzuki_2.jpg... Saved the aligned image to f_yoshida_1.jpg... Saved the aligned image to f_yoshinaga_5.jpg... Saved the aligned image to f_yoshine_1.jpg... Saved the aligned image to f_yoshioka_5.jpg... Saved the aligned image to ietake.jpg... Saved the aligned image to m_kamiki_2.jpg... Saved the aligned image to m_kusakari_1.jpg... Saved the aligned image to okegawa.jpg...
| コマンドオプション | 引数 | 初期値 | 意味 |
| --model | str | 'align' | 実行モード（固定） |
| --img_size | int | 256 | 画像サイズ |
| --num_domains | int | 2 | |
| --latent_dim | int | 16 | |
| --style_dim | int | 64 | |
| --w_hpf | int | 1 | |
| --resume_iter | int | 0 | |
| --batch_size | int | 8 | |
| --val_batch_size | int | 32 | |
| --num_workers | int | 4 | |
| --seed | int | 777 | |
| --src_dir | str | '' ダイアログによる指定 | ソース画像のあるフォルダ |
| --ref_dir | str | '' ダイアログによる指定 | 参照画像のあるフォルダ |
| --result_dir | str | 'expr/results/celeba_hq' | 出力するフォルダ |
| --wing_path | str | 'expr/checkpoints/wing.ckpt' |
(py38_learn) PS C:\anaconda_win\workspace_2\stargan-v2> python starv2_sample.py
StarGAN v2 mode sample Ver 0.01: Starting application...
--mode : sample
--img_size : 256
--num_domains : 2
--latent_dim : 16
--style_dim : 64
--w_hpf : 1
--resume_iter : 0
--batch_size : 8
--val_batch_size : 32
--num_workers : 4
--seed : 777
--checkpoint_dir : expr/checkpoints/celeba_hq
--src_dir : C:/anaconda_win/workspace_2/stargan-v2/assets/representative/celeba_hq/src_3
--ref_dir : C:/anaconda_win/workspace_2/stargan-v2/assets/representative/celeba_hq/ref2_03
--result_dir : expr/results/celeba_hq
--wing_path : expr/checkpoints/wing.ckpt
:
:
Generated file → expr/results/celeba_hq/reference-src_3-ref2_03.jpg
Generated file → expr/results/celeba_hq/video_ref-src_3-ref2_03.mp4
Finished.
else:
# self.ckptios = [CheckpointIO(ospj(args.checkpoint_dir, '{:06d}_nets_ema.ckpt'), data_parallel=True, **self.nets_ema)]
self.ckptios = [CheckpointIO(ospj(args.checkpoint_dir, '100000_nets_ema.ckpt'), data_parallel=True, **self.nets_ema)] if self.data_parallel:
# module.module.load_state_dict(module_dict[name])
module.module.load_state_dict(module_dict[name], False)def video_ref(nets, args, x_src, x_ref, y_ref, fname):
video = []
frames = [] if len(ref.x) > 2:
fname = ospj(args.result_dir, 'video_ref.mp4')
print('Working on {}...'.format(fname))
utils.video_ref(nets_ema, args, src.x, ref.x, ref.y, fname)# small_blurred = gaussian(cv2.resize(img, (W, H)), H//100, multichannel=True)
small_blurred = gaussian(cv2.resize(img, (W, H)), H//100, channel_axis=1)