[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-CQFIO--PhotographicImageSynthesis":3,"tool-CQFIO--PhotographicImageSynthesis":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",160411,2,"2026-04-18T23:33:24",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",109154,"2026-04-18T11:18:24",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[52,13,15,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":32,"last_commit_at":59,"category_tags":60,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":78,"owner_email":79,"owner_twitter":77,"owner_website":80,"owner_url":81,"languages":82,"stars":91,"forks":92,"last_commit_at":93,"license":77,"difficulty_score":10,"env_os":94,"env_gpu":95,"env_ram":96,"env_deps":97,"category_tags":104,"github_topics":105,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":109,"updated_at":110,"faqs":111,"releases":147},9396,"CQFIO\u002FPhotographicImageSynthesis","PhotographicImageSynthesis","Photographic Image Synthesis with Cascaded Refinement Networks","PhotographicImageSynthesis 是一款基于深度学习的开源项目，旨在将简单的语义布局图（如标注了道路、建筑、天空的色块图）自动转化为逼真的照片级图像。它有效解决了传统方法在生成高分辨率图像时细节模糊、纹理不自然的问题，让计算机能够“理解”场景结构并填充真实的视觉细节。\n\n该工具的核心技术亮点在于采用了“级联细化网络”（Cascaded Refinement Networks）。不同于一次性生成整张图像，它通过多级网络逐步提升分辨率：先在低分辨率下构建整体轮廓，再逐级细化至 512p 甚至 1024p 的高清画质，从而确保生成的图像既具备全局一致性，又拥有丰富的局部纹理。\n\nPhotographicImageSynthesis 主要适合人工智能研究人员、计算机视觉开发者以及对图像合成技术感兴趣的设计师使用。由于项目基于 TensorFlow 框架，提供了完整的训练与测试代码，使用者需要具备一定的编程基础和深度学习环境配置能力（如 GPU 支持）。虽然普通用户难以直接操作代码，但设计师可借此探索从草图到成图的自动化工作流，而研究人员则可利用其架构进行算法改进或数据集扩展","PhotographicImageSynthesis 是一款基于深度学习的开源项目，旨在将简单的语义布局图（如标注了道路、建筑、天空的色块图）自动转化为逼真的照片级图像。它有效解决了传统方法在生成高分辨率图像时细节模糊、纹理不自然的问题，让计算机能够“理解”场景结构并填充真实的视觉细节。\n\n该工具的核心技术亮点在于采用了“级联细化网络”（Cascaded Refinement Networks）。不同于一次性生成整张图像，它通过多级网络逐步提升分辨率：先在低分辨率下构建整体轮廓，再逐级细化至 512p 甚至 1024p 的高清画质，从而确保生成的图像既具备全局一致性，又拥有丰富的局部纹理。\n\nPhotographicImageSynthesis 主要适合人工智能研究人员、计算机视觉开发者以及对图像合成技术感兴趣的设计师使用。由于项目基于 TensorFlow 框架，提供了完整的训练与测试代码，使用者需要具备一定的编程基础和深度学习环境配置能力（如 GPU 支持）。虽然普通用户难以直接操作代码，但设计师可借此探索从草图到成图的自动化工作流，而研究人员则可利用其架构进行算法改进或数据集扩展研究。作为一个发表于 ICCV 2017 的经典学术成果，它为后续的图像生成研究奠定了重要基础。","# Photographic Image Synthesis with Cascaded Refinement Networks\n\nThis is a Tensorflow implementation of cascaded refinement networks to synthesize photographic images from semantic layouts.\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FCQFIO_PhotographicImageSynthesis_readme_fa453e845662.png\"\u002F>\n\n## Setup\n\n### Requirement\nRequired python libraries: Tensorflow (>=1.0) + Scipy + Numpy + Pillow.\n\nTested in Ubuntu + Intel i7 CPU + Nvidia Titan X (Pascal) with Cuda (>=8.0) and CuDNN (>=5.0). CPU mode should also work with minor changes.\n\n### Quick Start (Testing)\n1. Clone this repository.\n2. Download the pretrained models from Google Drive by running \"python download_models.py\". It takes several minutes to download all the models.\n3. Run \"python demo_512p.py\" or \"python demo_1024p.py\" (requires large GPU memory) to synthesize images.\n4. The synthesized images are saved in \"result_512p\u002Ffinal\" or \"result_1024p\u002Ffinal\".\n\n### Training\nTo train a model at 256p resolution, please set \"is_training=True\" and change the file paths for training and test sets accordingly in \"demo_256p.py\". Then run \"demo_256p.py\".\n\nTo train a model at 512p resolution, we fine-tune the pretrained model at 256p using \"demo_512p.py\". Also change \"is_training=True\" and file paths accordingly.\n\nTo train a model at 1024p resolution, we fine-tune the pretrained model at 512p using \"demo_1024p.py\". Also change \"is_training=True\" and file paths accordingly.\n\n## Video\nhttps:\u002F\u002Fyoutu.be\u002F0fhUJT21-bs\n\n## Citation\nIf you use our code for research, please cite our paper:\n\nQifeng Chen and Vladlen Koltun. Photographic Image Synthesis with Cascaded Refinement Networks. In ICCV 2017.\n\n## Amazon Turk Scripts\nThe scripts are put in the folder \"mturk_scripts\".\n\n## Todo List\n1. Add the code and models for the GTA dataset.\n\n## Question\nIf you have any question or request about the code and data, please email me at chenqifeng22@gmail.com. If you need the pretrained model on NYU, please send an email to me.\n\n## License\nMIT License\n","# 基于级联细化网络的摄影图像合成\n\n这是一个使用TensorFlow实现的级联细化网络，用于从语义布局中合成摄影图像。\n\n\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FCQFIO_PhotographicImageSynthesis_readme_fa453e845662.png\"\u002F>\n\n## 环境搭建\n\n### 需求\n所需的Python库：TensorFlow（>=1.0）+ SciPy + NumPy + Pillow。\n\n已在Ubuntu系统、Intel i7 CPU和Nvidia Titan X (Pascal)显卡上测试通过，配置了CUDA（>=8.0）和cuDNN（>=5.0）。在CPU模式下稍作修改也可运行。\n\n### 快速入门（测试）\n1. 克隆本仓库。\n2. 运行“python download_models.py”从Google Drive下载预训练模型。下载所有模型大约需要几分钟。\n3. 运行“python demo_512p.py”或“python demo_1024p.py”（需要较大的显存）以合成图像。\n4. 合成的图像将保存在“result_512p\u002Ffinal”或“result_1024p\u002Ffinal”目录中。\n\n### 训练\n- 要在256p分辨率下训练模型，请将“demo_256p.py”中的“is_training=True”，并相应地修改训练集和测试集的文件路径，然后运行该脚本。\n- 要在512p分辨率下训练模型，可以使用“demo_512p.py”对256p的预训练模型进行微调。同样需将“is_training=True”及文件路径调整为对应设置。\n- 要在1024p分辨率下训练模型，可使用“demo_1024p.py”对512p的预训练模型进行微调。同样需将“is_training=True”及文件路径调整为对应设置。\n\n## 视频\nhttps:\u002F\u002Fyoutu.be\u002F0fhUJT21-bs\n\n## 引用\n如果您在研究中使用了我们的代码，请引用以下论文：\n\nQifeng Chen and Vladlen Koltun. Photographic Image Synthesis with Cascaded Refinement Networks. In ICCV 2017.\n\n## Amazon Turk脚本\n脚本位于“mturk_scripts”文件夹中。\n\n## 待办事项\n1. 添加GTA数据集的相关代码和模型。\n\n## 问题\n如您对代码或数据有任何疑问或需求，请发送邮件至chenqifeng22@gmail.com。如需NYU数据集上的预训练模型，请与我联系。\n\n## 许可证\nMIT许可证","# PhotographicImageSynthesis 快速上手指南\n\n本指南基于级联细化网络（Cascaded Refinement Networks），帮助用户从语义布局合成逼真照片。\n\n## 环境准备\n\n### 系统要求\n- **操作系统**：推荐 Ubuntu（CPU 模式经少量修改后也可运行）\n- **硬件配置**：\n  - CPU: Intel i7 或同等性能\n  - GPU: Nvidia Titan X (Pascal) 或更高，显存需充足（1024p 分辨率需要大显存）\n- **软件依赖**：\n  - CUDA >= 8.0\n  - CuDNN >= 5.0\n\n### Python 依赖库\n请确保安装以下库（建议使用虚拟环境）：\n- Tensorflow (>=1.0)\n- Scipy\n- Numpy\n- Pillow\n\n> **提示**：国内用户可使用清华源或阿里源加速安装，例如：\n> `pip install tensorflow scipy numpy pillow -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`\n\n## 安装步骤\n\n1. **克隆仓库**\n   ```bash\n   git clone \u003Crepository_url>\n   cd \u003Crepository_folder>\n   ```\n   *(注：请将 `\u003Crepository_url>` 和 `\u003Crepository_folder>` 替换为实际的项目地址和文件夹名)*\n\n2. **下载预训练模型**\n   运行以下脚本自动从 Google Drive 下载所有预训练模型（耗时约几分钟）：\n   ```bash\n   python download_models.py\n   ```\n   > **注意**：若无法访问 Google Drive，需手动下载模型文件并放置于对应目录，或自行寻找国内镜像资源。\n\n## 基本使用\n\n下载完成后，可直接运行演示脚本生成图像。根据目标分辨率选择以下命令之一：\n\n- **生成 512p 分辨率图像**（推荐）：\n  ```bash\n  python demo_512p.py\n  ```\n\n- **生成 1024p 分辨率图像**（需要较大 GPU 显存）：\n  ```bash\n  python demo_1024p.py\n  ```\n\n生成结果将分别保存在以下目录：\n- 512p 结果：`result_512p\u002Ffinal`\n- 1024p 结果：`result_1024p\u002Ffinal`","某游戏开发团队需要在短时间内为开放世界项目生成大量具有真实光影和纹理的城市街景素材，以填充背景环境。\n\n### 没有 PhotographicImageSynthesis 时\n- 美术人员必须手动绘制每一张高分辨率街景图，或从素材库购买昂贵版权图片，耗时且成本高昂。\n- 若需调整场景布局（如移动建筑物位置或改变道路走向），往往需要重新绘制整张图像，迭代效率极低。\n- 程序生成的简单色块布局图缺乏真实感，无法直接用于最终渲染，导致策划难以直观评估关卡设计效果。\n- 保持不同视角下建筑风格、光照一致性极为困难，容易出现视觉违和感，增加后期修图工作量。\n\n### 使用 PhotographicImageSynthesis 后\n- 团队只需提供简单的语义布局图（标注道路、建筑、天空区域），PhotographicImageSynthesis 即可自动合成照片级真实的街景图像。\n- 修改场景变得极其灵活，仅需调整输入布局图中的色块分布，PhotographicImageSynthesis 便能实时生成对应的新场景，大幅加速设计迭代。\n- 生成的图像自带逼真的纹理细节和自然光照，可直接作为游戏背景或概念参考图，显著降低对专业美术绘制的依赖。\n- 基于级联细化网络架构，PhotographicImageSynthesis 能确保在 512p 甚至 1024p 高分辨率下输出图像结构连贯、风格统一，满足高质量交付标准。\n\nPhotographicImageSynthesis 通过将抽象布局转化为逼真影像，彻底改变了传统场景美术的生产流程，实现了低成本、高效率的规模化内容创作。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FCQFIO_PhotographicImageSynthesis_fa453e84.png","CQFIO","Qifeng Chen","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FCQFIO_f099aae1.png","Assistant Professor at HKUST",null,"Silicon Valley & Hong Kong","chenqifeng22@gmail.com","cqf.io","https:\u002F\u002Fgithub.com\u002FCQFIO",[83,87],{"name":84,"color":85,"percentage":86},"Python","#3572A5",71.2,{"name":88,"color":89,"percentage":90},"MATLAB","#e16737",28.8,1251,222,"2026-04-02T08:35:46","Linux","必需（训练\u002F高分辨率推理），推荐 Nvidia Titan X (Pascal) 或同等显卡，需支持 CUDA >= 8.0 和 CuDNN >= 5.0；1024p 分辨率需要大显存","未说明",{"notes":98,"python":96,"dependencies":99},"CPU 模式经少量修改后也可运行。训练采用级联方式：先在 256p 分辨率训练，再微调至 512p，最后微调至 1024p。首次运行需运行脚本下载预训练模型。",[100,101,102,103],"tensorflow>=1.0","scipy","numpy","pillow",[14,15],[106,107,108],"image-synthesis","cascaded-refinement-networks","tensorflow","2026-03-27T02:49:30.150509","2026-04-19T09:15:04.260181",[112,117,122,127,132,137,142],{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},42164,"训练过程中损失权重（lambda）是如何初始化和调整的？","损失权重初始化为每层元素数量的倒数（wi = 1\u002Fcount(mi)）。在第 100 个 epoch 后，会根据前 100 个 epoch 的平均损失值进行重缩放，目的是让 P0 到 P5 各项对总损失的贡献大致相同。具体公式为：p_i = compute_error(...) * mean(l_i)_100th_epoch。您可以直接使用代码中提供的预计算权重，通常无需手动修改即可正常工作。","https:\u002F\u002Fgithub.com\u002FCQFIO\u002FPhotographicImageSynthesis\u002Fissues\u002F13",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},42165,"不同分辨率模型（256p, 512p, 1024p）的训练周期数是多少？","推荐的训练周期设置如下：256p 模型训练 200 个 epoch；512p 模型在 256p 基础上微调 20 个 epoch；1024p 模型微调 5 个 epoch。这种设置是为了确保模型在不同分辨率下都能收敛到较好的效果。","https:\u002F\u002Fgithub.com\u002FCQFIO\u002FPhotographicImageSynthesis\u002Fissues\u002F15",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},42166,"运行 demo 时出现 'No such file or directory' 错误找不到 Cityscapes 数据怎么办？","该代码专为 Cityscapes 数据集设计。您需要单独下载 Cityscapes 数据集，并确保目录结构正确。需要包含 2975 张训练图像及其标签，路径格式应为：'data\u002Fcityscapes\u002FRGB256Full\u002F%08d.png' 和 'data\u002Fcityscapes\u002FLabel256Full\u002F%08d.png'，其中索引 ind 从 1 到 2975。仅运行 download_models.py 是不够的，必须准备完整的数据集。","https:\u002F\u002Fgithub.com\u002FCQFIO\u002FPhotographicImageSynthesis\u002Fissues\u002F3",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},42167,"GTA5 数据集和 Cityscapes 数据集的语义分割颜色调色板是否一致？","是的，GTA5 和 Cityscapes 使用相同的颜色调色板。因此可以直接复用针对 Cityscapes 编写的 get_semantic_map 函数来处理 GTA5 数据。GTA5 数据可以从官方链接下载：https:\u002F\u002Fdownload.visinf.tu-darmstadt.de\u002Fdata\u002Ffrom_games\u002F","https:\u002F\u002Fgithub.com\u002FCQFIO\u002FPhotographicImageSynthesis\u002Fissues\u002F17",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},42168,"GTA5 原始图像尺寸与模型输入尺寸不一致，需要进行什么预处理？","原始 GTA5 图像尺寸为 1914x1052，而模型输入通常为 512x256。预处理方法包括裁剪（crop）输入语义图像，并使用最近邻插值（nearest neighbors）将图像缩放到目标尺寸。作者尝试过单纯缩放和裁剪加缩放两种方式，视觉质量相似，但在提供的模型中主要采用了裁剪后最近邻缩放的方式。","https:\u002F\u002Fgithub.com\u002FCQFIO\u002FPhotographicImageSynthesis\u002Fissues\u002F23",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},42169,"helpers 中的 print_semantic_map 函数输出异常或无法正常工作如何解决？","该函数原本是为 Caffe 格式设计的，直接用于 Tensorflow 格式时需要调整维度。解决方案是将输入 semantic 的维度进行转置：`semantic=semantic.transpose([1,2,3,0])`，并确保输入维度为 19。或者修改函数内部逻辑：使用 `np.argmax(semantic, axis=3)` 替代原来的 axis=2，并添加 `np.squeeze(prediction)`。修改后即可正常保存语义地图图片。","https:\u002F\u002Fgithub.com\u002FCQFIO\u002FPhotographicImageSynthesis\u002Fissues\u002F14",{"id":143,"question_zh":144,"answer_zh":145,"source_url":146},42170,"demo_256p 与 demo_512p\u002F1024p 中的损失权重代码实现为何不同？","这是有意为之的区别。demo_256p 使用了多样性损失（diversity loss），会生成 9 张输出图像，因此其权重设置较为简单或固定。而 demo_512p 和 demo_1024p 使用的是简单损失（simple loss），其权重分母（如 2.6, 4.8 等）是基于第 100 个 epoch 的平均损失统计得出的具体数值，用于平衡各层损失贡献。","https:\u002F\u002Fgithub.com\u002FCQFIO\u002FPhotographicImageSynthesis\u002Fissues\u002F10",[]]