colorization-pytorch

收录理由

这是SIGGRAPH 2017交互式图像着色论文的PyTorch重实现，用户只需在灰度图上涂抹几笔颜色提示，网络便会依据学习到的先验自动补全其余部分的色彩。该仓库定位为训练代码库，而非开箱即用的工具：需要自行准备ILSVRC数据集，运行两阶段训练流程（先以分类损失训练自动着色，再以回归损失微调交互式着色），并通过不同提示密度下的PSNR扫描来评估效果。仓库内附带了由原始Caffe权重转换而来的预训练模型，因此无需从零训练即可直接测试。实际使用时，需要将其集成到自己的处理流程中，并配合配套的GUI仓库实现交互操作。对于研究提示条件图像生成的人来说，其网络架构和损失函数设计都值得仔细研读。