PyTorch-CycleGAN

收录理由

CycleGAN 能在没有配对样本的情况下，把一类图像转换成另一类，比如马变斑马、照片变油画。这个仓库把实现写得相当直白，比起追求运行速度，更看重代码的可读性，顺着两个生成器和两个判别器的逻辑走一遍，就能看清循环一致性损失如何保证往返转换后内容不跑偏。环境配置也不繁琐，一条脚本即可拉取加州大学伯克利分校提供的标准数据集，涵盖马与斑马、苹果与橙子、照片与莫奈画作等常见组合；训练时直接使用论文作者调好的超参数，省去反复试错。要是你手头有自定义的风格迁移或域适应想法，也可以按它规定的目录结构放入自己的图片。需要提醒的是，项目面向 Python 3.6 和那个时期的 PyTorch 版本，更适合当作学习和实验的起点，而非直接上生产的工具。