
AdaIN-style
上传任意风格图,实时迁移到内容图,无需重新训练
项目预览
项目数据
项目介绍
Star 增长趋势
本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整
数据来源:GitHub API 逐日快照 · 收录于 2026-08-09 · 当前星标 ★ 1573
使用教程
ℹ 本教程由 AI 依据该项目 README 整理,个别步骤可能需要按你的环境微调。
环境要求
- Torch7(必需,README 仅给出官方仓库链接,未提供安装命令)
- CUDA 与 cuDNN(可选,用于 GPU 加速)
- cunn 与 torch.cudnn(可选,GPU 支持依赖)
- ffmpeg(可选,仅在处理视频时需要)
- 已下载的预训练模型(通过 models/download_models.sh 获取)
安装与启动步骤
-
1安装 Torch7 环境
根据 README 依赖列表,必须先安装 Torch7;如需 GPU 加速可选装 CUDA、cuDNN、cunn、torch.cudnn,视频处理另装 ffmpeg。README 未提供安装命令,请按 Torch 官方文档操作。
-
2下载预训练模型
在项目根目录执行脚本下载模型,README 未说明模型保存的具体路径,请留意脚本输出。
bash models/download_models.sh -
3准备输入图片
把内容图放到 input/content 目录,风格图放到 input/style 目录;README 示例中使用了 cornell.jpg 与 woman_with_hat_matisse.jpg。
-
4运行单图风格迁移
用 -content 和 -style 分别指定内容图与风格图路径,结果保存到输出目录。按论文数据,512x512 图像在 Pascal Titan X 上可达 15 FPS。
th test.lua -content input/content/cornell.jpg -style input/style/woman_with_hat_matisse.jpg -
5批量处理图像
用 -contentDir 和 -styleDir 指定目录后,会保存内容与风格的每一种组合到输出目录,注意组合数会相乘。
th test.lua -contentDir input/content -styleDir input/style -
6查看全部参数
想了解全部可用选项时执行帮助命令,README 列出 -crop、-contentSize、-styleSize 等常用参数。
th test.lua -help
关键配置
| 配置项 | 必填 | 说明 | 示例 |
|---|---|---|---|
-content | 是 | 内容图像的文件路径,单图模式必填 | input/content/cornell.jpg |
-style | 是 | 风格图像的文件路径,单图模式必填 | input/style/woman_with_hat_matisse.jpg |
-contentDir | 否 | 内容图目录,批量模式使用,与 -content 二选一 | input/content |
-styleDir | 否 | 风格图目录,批量模式使用,会输出所有组合 | input/style |
-contentSize | 否 | 内容图新的最小尺寸,设为 0 保持原始尺寸 | 512 |
-styleSize | 否 | 风格图新的最小尺寸,设为 0 保持原始尺寸 | 512 |
如何确认成功
终端命令正常结束且无报错,并在输出目录中生成对应的风格化图像文件。
常见问题
Q:必须要有 GPU 吗?
A:不是。README 中 CUDA、cuDNN、cunn、torch.cudnn 均为可选依赖,但 Torch7 本体是必需的。没有 GPU 时可只用 CPU 运行,速度会慢很多。
Q:如何一次处理多张图片?
A:使用 -contentDir 和 -styleDir 指定内容与风格目录,程序会保存每一种内容与风格的组合结果到输出目录。
Q:能处理视频吗?
A:项目支持视频风格化,需要额外安装 ffmpeg。README 只列出了 ffmpeg 依赖,并未给出视频处理的具体命令。
Q:有哪些可选参数可以调整?
A:README 提到 -crop(先对内容图和风格图做中心裁剪)、-contentSize 与 -styleSize(设置最小尺寸,0 表示保持原图大小),完整列表可用 th test.lua -help 查看。
Q:风格化结果保存在哪里?
A:README 只说明结果会保存到输出目录,未给出确切路径,运行后请查看脚本输出或项目目录下的结果文件夹。
注意事项
- README 未提供 Torch7 的安装命令,需自行参考 Torch 官方文档,环境搭建是主要门槛。
- 必须先运行 models/download_models.sh 下载预训练模型,否则无法执行风格迁移。
- 批量模式会生成内容图与风格图的全部组合,图片多时耗时与占盘较大。
- Torch7 已停止维护,在新系统上安装可能需要额外处理依赖问题。
核心亮点
- 真正实现任意风格实时迁移,风格切换无需重新训练模型
- 基于 Torch 实现,代码简洁,推理速度快,适合实时应用
- 提供预训练模型和测试脚本,开箱即用,上手门槛低
不足之处
- 依赖 Torch 和 Lua 生态,环境配置较复杂,不如 PyTorch 主流
- 文档相对简略,社区维护不活跃,新用户可能遇到问题
适用场景
- 艺术创作:快速将照片转换为特定画作风格
- 视频滤镜:对视频帧进行风格化处理,实现实时风格滤镜
- 学术研究:作为风格迁移算法的基准实现进行对比实验
替代项目
fast-neural-style、pytorch-AdaIN、CycleGAN
上一篇:pxlsrt
同类项目推荐
generativeart
开源
用 R 代码几行生成独特几何艺术图
Create Generative Art with R
castadi
开源
用程序化生成,让漫画分镜自动出图
comic artist stable diffusion thingy
paper-signal
开源
让 AI 批量产出风格统一、质量可控的极简小册子图像
Subject-aware minimal-zine image production for Agent Skills: art direction, generat···
NAI-Utility-Tool
开源
桌面端高效调用 NovelAI,生成与重绘更顺手
A frontend tool for the NovelAI API, offering a clean, high-efficiency interface alo···
astrbot_plugin_gemini_image_gene···
开源
聊天里一句话,AI 帮你生图改图,还能用头像当参考。
图像生成插件,支持生图和改图,可以自动获取头像作为参考等。
unpaint
开源
在 Windows 和 Xbox 上本地跑 Stable Diffusion,离线生成和修补图像
A simple Windows / Xbox app for generating AI images with Stable Diffusion.
MidJourney-Styles-and-Keywords-R···
开源
查风格、抄关键词,MidJourney出图效果翻倍
A reference containing Styles and Keywords that you can use with MidJourney AI. Ther···
VAE-for-Image-Generation
开源
用Keras快速上手VAE,在MNIST和CIFAR10上生成图像并可视化潜在空间
Implemented Variational Autoencoder generative model in Keras for image generation a···
Scenario-Unity
开源
在 Unity 里直接调用 AI 生成游戏美术,省去切换工具的麻烦。
Scenario for Unity: generate images, textures and 3D assets with Scenario's AI model···