[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-taki0112--UGATIT":3,"tool-taki0112--UGATIT":64},[4,17,26,40,48,56],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":16},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。",162132,3,"2026-04-05T11:01:52",[13,14,15],"开发框架","图像","Agent","ready",{"id":18,"name":19,"github_repo":20,"description_zh":21,"stars":22,"difficulty_score":23,"last_commit_at":24,"category_tags":25,"status":16},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。",107662,2,"2026-04-03T11:11:01",[13,14,15],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":23,"last_commit_at":32,"category_tags":33,"status":16},2268,"ML-For-Beginners","microsoft\u002FML-For-Beginners","ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程，旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周，包含 26 节精炼课程和 52 道配套测验，内容涵盖从基础概念到实际应用的完整流程，有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。\n\n无论是希望转型的开发者、需要补充算法背景的研究人员，还是对人工智能充满好奇的普通爱好者，都能从中受益。课程不仅提供了清晰的理论讲解，还强调动手实践，让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持，通过自动化机制提供了包括简体中文在内的 50 多种语言版本，极大地降低了全球不同背景用户的学习门槛。此外，项目采用开源协作模式，社区活跃且内容持续更新，确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路，ML-For-Beginners 将是理想的起点。",84991,"2026-04-05T10:45:23",[14,34,35,36,15,37,38,13,39],"数据工具","视频","插件","其他","语言模型","音频",{"id":41,"name":42,"github_repo":43,"description_zh":44,"stars":45,"difficulty_score":10,"last_commit_at":46,"category_tags":47,"status":16},3128,"ragflow","infiniflow\u002Fragflow","RAGFlow 是一款领先的开源检索增强生成（RAG）引擎，旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体（Agent）能力相结合，不仅支持从各类文档中高效提取知识，还能让模型基于这些知识进行逻辑推理和任务执行。\n\n在大模型应用中，幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构（如表格、图表及混合排版），显著提升了信息检索的准确度，从而有效减少模型“胡编乱造”的现象，确保回答既有据可依又具备时效性。其内置的智能体机制更进一步，使系统不仅能回答问题，还能自主规划步骤解决复杂问题。\n\n这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统，还是致力于探索大模型在垂直领域落地的创新者，都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口，既降低了非算法背景用户的上手门槛，也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目，它正成为连接通用大模型与行业专有知识之间的重要桥梁。",77062,"2026-04-04T04:44:48",[15,14,13,38,37],{"id":49,"name":50,"github_repo":51,"description_zh":52,"stars":53,"difficulty_score":10,"last_commit_at":54,"category_tags":55,"status":16},519,"PaddleOCR","PaddlePaddle\u002FPaddleOCR","PaddleOCR 是一款基于百度飞桨框架开发的高性能开源光学字符识别工具包。它的核心能力是将图片、PDF 等文档中的文字提取出来，转换成计算机可读取的结构化数据，让机器真正“看懂”图文内容。\n\n面对海量纸质或电子文档，PaddleOCR 解决了人工录入效率低、数字化成本高的问题。尤其在人工智能领域，它扮演着连接图像与大型语言模型（LLM）的桥梁角色，能将视觉信息直接转化为文本输入，助力智能问答、文档分析等应用场景落地。\n\nPaddleOCR 适合开发者、算法研究人员以及有文档自动化需求的普通用户。其技术优势十分明显：不仅支持全球 100 多种语言的识别，还能在 Windows、Linux、macOS 等多个系统上运行，并灵活适配 CPU、GPU、NPU 等各类硬件。作为一个轻量级且社区活跃的开源项目，PaddleOCR 既能满足快速集成的需求，也能支撑前沿的视觉语言研究，是处理文字识别任务的理想选择。",74939,"2026-04-05T23:16:38",[38,14,13,37],{"id":57,"name":58,"github_repo":59,"description_zh":60,"stars":61,"difficulty_score":23,"last_commit_at":62,"category_tags":63,"status":16},2471,"tesseract","tesseract-ocr\u002Ftesseract","Tesseract 是一款历史悠久且备受推崇的开源光学字符识别（OCR）引擎，最初由惠普实验室开发，后由 Google 维护，目前由全球社区共同贡献。它的核心功能是将图片中的文字转化为可编辑、可搜索的文本数据，有效解决了从扫描件、照片或 PDF 文档中提取文字信息的难题，是数字化归档和信息自动化的重要基础工具。\n\n在技术层面，Tesseract 展现了强大的适应能力。从版本 4 开始，它引入了基于长短期记忆网络（LSTM）的神经网络 OCR 引擎，显著提升了行识别的准确率；同时，为了兼顾旧有需求，它依然支持传统的字符模式识别引擎。Tesseract 原生支持 UTF-8 编码，开箱即用即可识别超过 100 种语言，并兼容 PNG、JPEG、TIFF 等多种常见图像格式。输出方面，它灵活支持纯文本、hOCR、PDF、TSV 等多种格式，方便后续数据处理。\n\nTesseract 主要面向开发者、研究人员以及需要构建文档处理流程的企业用户。由于它本身是一个命令行工具和库（libtesseract），不包含图形用户界面（GUI），因此最适合具备一定编程能力的技术人员集成到自动化脚本或应用程序中",73286,"2026-04-03T01:56:45",[13,14],{"id":65,"github_repo":66,"name":67,"description_en":68,"description_zh":69,"ai_summary_zh":69,"readme_en":70,"readme_zh":71,"quickstart_zh":72,"use_case_zh":73,"hero_image_url":74,"owner_login":75,"owner_name":76,"owner_avatar_url":77,"owner_bio":78,"owner_company":79,"owner_location":80,"owner_email":81,"owner_twitter":82,"owner_website":83,"owner_url":84,"languages":85,"stars":90,"forks":91,"last_commit_at":92,"license":93,"difficulty_score":94,"env_os":95,"env_gpu":96,"env_ram":97,"env_deps":98,"category_tags":103,"github_topics":82,"view_count":23,"oss_zip_url":82,"oss_zip_packed_at":82,"status":16,"created_at":104,"updated_at":105,"faqs":106,"releases":142},2054,"taki0112\u002FUGATIT","UGATIT","Official Tensorflow implementation of U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation (ICLR 2020)","UGATIT 是一款专注于图像风格迁移的开源深度学习模型，其核心能力在于无需成对训练数据，即可将图片从一种风格转换为另一种风格（例如将真人自拍转化为动漫形象）。它主要解决了传统无监督迁移方法难以处理大幅几何形变和整体结构变化的痛点，能够灵活应对需要改变物体形状或纹理的复杂场景。\n\n这款工具特别适合人工智能研究人员、开发者以及希望探索前沿生成式算法的设计师使用。对于普通用户，虽然直接运行代码有一定门槛，但基于 UGATIT 开发的在线应用（如 Selfie2Anime）已让大众能轻松体验其效果。\n\nUGATIT 的技术亮点在于引入了独特的“注意力模块”和自适应层 - 实例归一化（AdaLIN）函数。注意力机制能引导模型精准识别源域与目标域的关键差异区域，而 AdaLIN 则通过可学习参数，灵活控制形状和纹理的改变程度。这种设计使得模型在固定架构下，既能处理细微的风格调整，也能完成剧烈的形态重构，在多项指标上超越了当时的最先进模型。","## U-GAT-IT — Official TensorFlow Implementation (ICLR 2020)\n### : Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\".\u002Fassets\u002Fteaser.png\">\n\u003C\u002Fdiv>\n\n### [Paper](https:\u002F\u002Farxiv.org\u002Fabs\u002F1907.10830) | [Official Pytorch code](https:\u002F\u002Fgithub.com\u002Fznxlwm\u002FUGATIT-pytorch)\nThis repository provides the **official Tensorflow implementation** of the following paper:\n\n> **U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation**\u003Cbr>\n> **Junho Kim (NCSOFT)**, Minjae Kim (NCSOFT), Hyeonwoo Kang (NCSOFT), Kwanghee Lee (Boeing Korea)\n>\n> **Abstract** *We propose a novel method for unsupervised image-to-image translation, which incorporates a new attention module and a new learnable normalization function in an end-to-end manner. The attention module guides our model to focus on more important regions distinguishing between source and target domains based on the attention map obtained by the auxiliary classifier. Unlike previous attention-based methods which cannot handle the geometric changes between domains, our model can translate both images requiring holistic changes and images requiring large shape changes. Moreover, our new AdaLIN (Adaptive Layer-Instance Normalization) function helps our attention-guided model to flexibly control the amount of change in shape and texture by learned parameters depending on datasets. Experimental results show the superiority of the proposed method compared to the existing state-of-the-art models with a fixed network architecture and hyper-parameters.*\n\n## Requirements\n* python == 3.6\n* tensorflow == 1.14\n\n## Pretrained model\n> We released 50 epoch and 100 epoch checkpoints so that people could test more widely.\n* [selfie2anime checkpoint (50 epoch)](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1V6GbSItG3HZKv3quYs7AP0rr1kOCT3QO\u002Fview?usp=sharing)\n* [selfie2anime checkpoint (100 epoch)](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F19xQK2onIy-3S5W5K-XIh85pAg_RNvBVf\u002Fview?usp=sharing)\n\n## Dataset\n* [selfie2anime dataset](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1xOWj1UVgp6NKMT3HbPhBbtq2A4EDkghF\u002Fview?usp=sharing)\n\n## Web page\n* [Selfie2Anime](https:\u002F\u002Fselfie2anime.com) by [Nathan Glover](https:\u002F\u002Fgithub.com\u002Ft04glovern)\n* [Selfie2Waifu](https:\u002F\u002Fwaifu.lofiu.com) by [creke](https:\u002F\u002Fgithub.com\u002Fcreke)\n\n## Telegram Bot\n* [Selfie2AnimeBot](https:\u002F\u002Ft.me\u002Fselfie2animebot) by [Alex Spirin](https:\u002F\u002Fgithub.com\u002Fsxela)\n\n## Usage\n```\n├── dataset\n   └── YOUR_DATASET_NAME\n       ├── trainA\n           ├── xxx.jpg (name, format doesn't matter)\n           ├── yyy.png\n           └── ...\n       ├── trainB\n           ├── zzz.jpg\n           ├── www.png\n           └── ...\n       ├── testA\n           ├── aaa.jpg \n           ├── bbb.png\n           └── ...\n       └── testB\n           ├── ccc.jpg \n           ├── ddd.png\n           └── ...\n```\n\n### Train\n```\n> python main.py --dataset selfie2anime\n```\n* If the memory of gpu is **not sufficient**, set `--light` to **True**\n  * But it may **not** perform well\n  * paper version is `--light` to **False**\n\n### Test\n```\n> python main.py --dataset selfie2anime --phase test\n```\n\n## Architecture\n\u003Cdiv align=\"center\">\n  \u003Cimg src = '.\u002Fassets\u002Fgenerator_fix.png' width = '785px' height = '500px'>\n\u003C\u002Fdiv>\n\n---\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src = '.\u002Fassets\u002Fdiscriminator_fix.png' width = '785px' height = '450px'>\n\u003C\u002Fdiv>\n\n## Results\n### Ablation study\n\u003Cdiv align=\"center\">\n  \u003Cimg src = '.\u002Fassets\u002Fablation.png' width = '438px' height = '346px'>\n\u003C\u002Fdiv>\n\n### User study\n\u003Cdiv align=\"center\">\n  \u003Cimg src = '.\u002Fassets\u002Fuser_study.png' width = '738px' height = '187px'>\n\u003C\u002Fdiv>\n\n### Kernel Inception Distance (KID)\n\u003Cdiv align=\"center\">\n  \u003Cimg src = '.\u002Fassets\u002Fkid_fix2.png' width = '750px' height = '400px'>\n\u003C\u002Fdiv>\n\n## Citation\nIf you find this code useful for your research, please cite our paper:\n\n```\n@inproceedings{\nKim2020U-GAT-IT:,\ntitle={U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation},\nauthor={Junho Kim and Minjae Kim and Hyeonwoo Kang and Kwang Hee Lee},\nbooktitle={International Conference on Learning Representations},\nyear={2020},\nurl={https:\u002F\u002Fopenreview.net\u002Fforum?id=BJlZ5ySKPH}\n}\n```\n\n## Author\n[Junho Kim](http:\u002F\u002Fbit.ly\u002Fjhkim_ai), Minjae Kim, Hyeonwoo Kang, Kwanghee Lee\n","## U-GAT-IT — TensorFlow 官方实现（ICLR 2020）\n### ：用于图像到图像转换的无监督生成注意力网络，结合自适应层-实例归一化\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftaki0112_UGATIT_readme_45cee7068d3d.png\">\n\u003C\u002Fdiv>\n\n### [论文](https:\u002F\u002Farxiv.org\u002Fabs\u002F1907.10830) | [官方 PyTorch 代码](https:\u002F\u002Fgithub.com\u002Fznxlwm\u002FUGATIT-pytorch)\n本仓库提供了以下论文的**TensorFlow 官方实现**：\n\n> **U-GAT-IT：用于图像到图像转换的无监督生成注意力网络，结合自适应层-实例归一化**\u003Cbr>\n> **Junho Kim（NCSOFT）**、Minjae Kim（NCSOFT）、Hyeonwoo Kang（NCSOFT）、Kwanghee Lee（波音韩国）\n>\n> **摘要** *我们提出了一种新颖的无监督图像到图像转换方法，该方法以端到端的方式整合了一个新的注意力模块和一个新的可学习归一化函数。注意力模块通过辅助分类器得到的注意力图，引导模型聚焦于区分源域和目标域的重要区域。与以往无法处理域间几何变化的基于注意力的方法不同，我们的模型既可以转换需要整体性改变的图像，也可以转换需要大幅形状变化的图像。此外，我们提出的 AdaLIN（自适应层-实例归一化）函数能够根据数据集的不同，通过学习到的参数灵活控制形状和纹理的变化程度。实验结果表明，与采用固定网络架构和超参数的现有最先进模型相比，所提出的方法具有显著优势。*\n\n## 环境要求\n* python == 3.6\n* tensorflow == 1.14\n\n## 预训练模型\n> 我们发布了50轮和100轮的检查点，以便大家更广泛地进行测试。\n* [selfie2anime 检查点（50轮）](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1V6GbSItG3HZKv3quYs7AP0rr1kOCT3QO\u002Fview?usp=sharing)\n* [selfie2anime 检查点（100轮）](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F19xQK2onIy-3S5W5K-XIh85pAg_RNvBVf\u002Fview?usp=sharing)\n\n## 数据集\n* [selfie2anime 数据集](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1xOWj1UVgp6NKMT3HbPhBbtq2A4EDkghF\u002Fview?usp=sharing)\n\n## 网页\n* [Selfie2Anime](https:\u002F\u002Fselfie2anime.com) 由 [Nathan Glover](https:\u002F\u002Fgithub.com\u002Ft04glovern) 开发\n* [Selfie2Waifu](https:\u002F\u002Fwaifu.lofiu.com) 由 [creke](https:\u002F\u002Fgithub.com\u002Fcreke) 开发\n\n## Telegram 机器人\n* [Selfie2AnimeBot](https:\u002F\u002Ft.me\u002Fselfie2animebot) 由 [Alex Spirin](https:\u002F\u002Fgithub.com\u002Fsxela) 开发\n\n## 使用方法\n```\n├── dataset\n   └── YOUR_DATASET_NAME\n       ├── trainA\n           ├── xxx.jpg（文件名和格式不限）\n           ├── yyy.png\n           └── ...\n       ├── trainB\n           ├── zzz.jpg\n           ├── www.png\n           └── ...\n       ├── testA\n           ├── aaa.jpg \n           ├── bbb.png\n           └── ...\n       └── testB\n           ├── ccc.jpg \n           ├── ddd.png\n           └── ...\n```\n\n### 训练\n```\n> python main.py --dataset selfie2anime\n```\n* 如果 GPU 显存**不足**，请将 `--light` 设置为 **True**\n  * 但性能可能**不佳**\n  * 论文中的版本是 `--light` 设置为 **False**\n\n### 测试\n```\n> python main.py --dataset selfie2anime --phase test\n```\n\n## 架构\n\u003Cdiv align=\"center\">\n  \u003Cimg src = '.\u002Fassets\u002Fgenerator_fix.png' width = '785px' height = '500px'>\n\u003C\u002Fdiv>\n\n---\n\n\u003Cdiv align=\"center\">\n  \u003Cimg src = '.\u002Fassets\u002Fdiscriminator_fix.png' width = '785px' height = '450px'>\n\u003C\u002Fdiv>\n\n## 结果\n### 消融实验\n\u003Cdiv align=\"center\">\n  \u003Cimg src = '.\u002Fassets\u002Fablation.png' width = '438px' height = '346px'>\n\u003C\u002Fdiv>\n\n### 用户研究\n\u003Cdiv align=\"center\">\n  \u003Cimg src = '.\u002Fassets\u002Fuser_study.png' width = '738px' height = '187px'>\n\u003C\u002Fdiv>\n\n### 核心 Inception 距离（KID）\n\u003Cdiv align=\"center\">\n  \u003Cimg src = '.\u002Fassets\u002Fkid_fix2.png' width = '750px' height = '400px'>\n\u003C\u002Fdiv>\n\n## 引用\n如果您在研究中使用了本代码，请引用我们的论文：\n\n```\n@inproceedings{\nKim2020U-GAT-IT:,\ntitle={U-GAT-IT: Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization for Image-to-Image Translation},\nauthor={Junho Kim and Minjae Kim and Hyeonwoo Kang and Kwang Hee Lee},\nbooktitle={International Conference on Learning Representations},\nyear={2020},\nurl={https:\u002F\u002Fopenreview.net\u002Fforum?id=BJlZ5ySKPH}\n}\n```\n\n## 作者\n[Junho Kim](http:\u002F\u002Fbit.ly\u002Fjhkim_ai)、Minjae Kim、Hyeonwoo Kang、Kwanghee Lee","# U-GAT-IT 快速上手指南\n\nU-GAT-IT (Unsupervised Generative Attentional Networks with Adaptive Layer-Instance Normalization) 是一种用于无监督图像到图像转换的先进模型。它通过引入注意力模块和自适应层 - 实例归一化（AdaLIN），能够灵活处理需要整体变化或大形状变化的图像转换任务（例如：人像转动漫风格）。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下严格要求。由于该代码基于较旧版本的 TensorFlow，建议使用虚拟环境以避免依赖冲突。\n\n*   **操作系统**: Linux 或 macOS (Windows 需配置兼容环境)\n*   **Python**: 3.6 (严格版本要求)\n*   **深度学习框架**: TensorFlow 1.14\n*   **GPU**: 推荐使用 NVIDIA GPU 以加速训练（若显存不足可使用 `--light` 模式，但效果可能略降）\n\n## 安装步骤\n\n### 1. 克隆项目代码\n首先从官方仓库获取源代码：\n\n```bash\ngit clone https:\u002F\u002Fgithub.com\u002Fznxlwm\u002FUGATIT.git\ncd UGATIT\n```\n\n### 2. 创建虚拟环境并安装依赖\n由于需要特定的 Python 和 TensorFlow 版本，强烈建议使用 `conda` 或 `venv` 进行隔离。\n\n**使用 Conda (推荐):**\n```bash\nconda create -n ugatit python=3.6\nconda activate ugatit\npip install tensorflow-gpu==1.14\n# 如果不需要 GPU 支持，可安装: pip install tensorflow==1.14\npip install opencv-python numpy scipy\n```\n\n**国内加速方案:**\n如果您在中国大陆，建议在安装依赖时指定清华或阿里镜像源以提升下载速度：\n```bash\npip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple tensorflow-gpu==1.14 opencv-python numpy scipy\n```\n\n### 3. 准备数据集\n将数据集解压并按照以下目录结构放置在 `dataset` 文件夹下。文件名和格式不限，但需分为训练集 (`trainA`, `trainB`) 和测试集 (`testA`, `testB`)。\n\n```text\n├── dataset\n   └── YOUR_DATASET_NAME\n       ├── trainA\n       │   ├── xxx.jpg\n       │   └── ...\n       ├── trainB\n       │   ├── zzz.jpg\n       │   └── ...\n       ├── testA\n       │   ├── aaa.jpg\n       │   └── ...\n       └── testB\n           ├── ccc.jpg\n           └── ...\n```\n\n> **提示**: 您可以下载官方提供的 [selfie2anime 数据集](https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1xOWj1UVgp6NKMT3HbPhBbtq2A4EDkghF\u002Fview?usp=sharing) 进行测试。如需预训练模型，可从 README 中提供的 Google Drive 链接下载检查点文件放入相应目录。\n\n## 基本使用\n\n### 训练模型\n使用以下命令开始训练。以下示例使用 `selfie2anime` 数据集：\n\n```bash\npython main.py --dataset selfie2anime\n```\n\n*   **显存优化**: 如果您的 GPU 显存不足，可以添加 `--light True` 参数。请注意，轻量版模式可能会略微影响生成质量，论文原版使用的是 `--light False`。\n    ```bash\n    python main.py --dataset selfie2anime --light True\n    ```\n\n### 测试模型\n训练完成后（或使用下载的预训练模型），运行以下命令进行图像转换测试：\n\n```bash\npython main.py --dataset selfie2anime --phase test\n```\n\n生成的结果图像通常保存在 `result` 目录中。","一家独立游戏工作室的美术团队需要将大量真人实拍素材快速转化为二次元动漫风格，以匹配新项目的视觉基调。\n\n### 没有 UGATIT 时\n- **成对数据缺失**：传统方法依赖严格对齐的“真人 - 动漫”成对数据集，但团队无法为每张自拍找到对应的动漫原画，导致模型无法训练。\n- **五官结构失真**：现有无监督模型在处理大幅度的几何形状变化（如将真实眼睛改为动漫大眼）时，常导致面部轮廓扭曲或五官错位。\n- **风格迁移生硬**：模型难以区分背景与人物主体，往往将背景纹理也强行动漫化，或者无法灵活控制皮肤质感与线条粗细的转换程度。\n- **人工修图成本高**：美术人员不得不手动重绘数百张角色立绘，耗时数周且难以保持整体画风统一。\n\n### 使用 UGATIT 后\n- **无需成对训练**：利用 UGATIT 的无监督特性，团队直接导入未对齐的真人照片集和动漫图集即可开始训练，彻底打破数据配对瓶颈。\n- **精准形变处理**：借助注意力机制（Attention Module），UGATIT 能智能定位面部关键区域，在实现大眼睛、小下巴等大幅度形状改变的同时，保持面部结构自然协调。\n- **自适应风格调控**：通过 AdaLIN 归一化函数，模型可根据数据集自动学习并调整纹理与形状的变换幅度，确保人物主体风格鲜明而背景干扰最小化。\n- **效率显著提升**：原本需要数周的手工转化工作缩短至数小时，团队只需微调参数即可批量生成高质量的动漫角色素材。\n\nUGATIT 通过引入注意力机制与自适应归一化技术，成功解决了无配对数据下的大幅度图像风格迁移难题，让跨域视觉创作变得高效且可控。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Ftaki0112_UGATIT_45cee706.png","taki0112","Junho Kim","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Ftaki0112_c016fc7a.jpg","Research Scientist","NAVER AI Lab","South Korea","slaykim.ai@gmail.com",null,"taki0112.notion.site","https:\u002F\u002Fgithub.com\u002Ftaki0112",[86],{"name":87,"color":88,"percentage":89},"Python","#3572A5",100,6136,1020,"2026-03-31T18:05:53","MIT",4,"","需要 GPU，显存不足时需添加 --light 参数（可能影响性能），具体型号、显存大小及 CUDA 版本未说明","未说明",{"notes":99,"python":100,"dependencies":101},"这是论文的官方 TensorFlow 实现版本。如果 GPU 显存不足，可以通过设置 '--light' 参数为 True 来运行，但作者提示这可能导致效果不佳（论文原版设置为 False）。数据集和预训练模型托管在 Google Drive 上，需自行下载并按指定目录结构存放。","3.6",[102],"tensorflow==1.14",[14],"2026-03-27T02:49:30.150509","2026-04-06T08:45:16.714948",[107,112,117,122,127,132,137],{"id":108,"question_zh":109,"answer_zh":110,"source_url":111},9353,"论文中提到的数据集（特别是 selfie2anime）是否公开？在哪里可以下载？","是的，作者已公开了用于论文的 selfie2anime 数据集。您可以从以下 Google Drive 链接下载：\n- **Selfie2Anime 数据集**: https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1xOWj1UVgp6NKMT3HbPhBbtq2A4EDkghF\u002Fview\n此外，社区用户也整理并分享了其他版本的数据集（包含约 3500 张女性自拍和 3500 张动漫图片）：https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1aDMJgNKc9YJpfGEUM5YlBcCXxXO8uWwj\u002Fview\n如果需要替代方案，也可以尝试使用 CelebA 或 CelebAMask-HQ 作为自拍数据集。","https:\u002F\u002Fgithub.com\u002Ftaki0112\u002FUGATIT\u002Fissues\u002F6",{"id":113,"question_zh":114,"answer_zh":115,"source_url":116},9354,"训练速度非常慢（例如每个 epoch 需要 2 小时），如何加快训练速度？","训练速度慢通常是因为未开启轻量级模式。请确保在运行命令时设置 `light=True`。\n推荐配置如下：\n- `light=True`\n- `epoch=100`\n- `iteration=10000`\n- `batch_size=1` (可根据显存适当增加)\n如果未开启 `light` 模式，模型参数量巨大，会导致训练极其缓慢。此外，作者已发布了预训练模型供直接测试使用：\n- 50 epoch 版本: https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F1V6GbSItG3HZKv3quYs7AP0rr1kOCT3QO\u002Fview\n- 100 epoch 版本: https:\u002F\u002Fdrive.google.com\u002Ffile\u002Fd\u002F19xQK2onIy-3S5W5K-XIh85pAg_RNvBVf\u002Fview","https:\u002F\u002Fgithub.com\u002Ftaki0112\u002FUGATIT\u002Fissues\u002F14",{"id":118,"question_zh":119,"answer_zh":120,"source_url":121},9355,"测试生成的图像效果很差（如模糊、深炸或无变化），可能是什么原因？","测试结果不佳通常由以下原因导致：\n1. **人脸位置**：测试图像中的人脸必须位于**中心位置**，否则效果会大打折扣。\n2. **训练轮数不足**：建议至少训练 50 或 100 个 epoch。\n3. **损失函数权重**：如果生成器损失（Generator loss）远高于判别器损失，这通常是正常的，因为 `cam_weight` 设置较高。\n4. **模型选择**：如果是轻量版模型在某些复杂场景下表现不佳，可尝试完整版模型，但需确保数据集质量（如角度和位置与目标域对应）。","https:\u002F\u002Fgithub.com\u002Ftaki0112\u002FUGATIT\u002Fissues\u002F56",{"id":123,"question_zh":124,"answer_zh":125,"source_url":126},9356,"保存的检查点文件（checkpoint）体积过大（约 7.5GB），是否正常？如何减小？","这是正常现象。\n- **完整版模型**（非 light 模式）的检查点大小约为 **7.5GB**。这是因为全连接层（FC layer）参数量巨大。\n- **轻量版模型**（设置 `--light=True`）的检查点大小约为 **1.5GB**。\n如果您希望减小模型体积，请在训练时添加 `--light=True` 参数。这将使全局平均池化（Global Average Pooling）替代部分全连接操作，显著减少参数量。","https:\u002F\u002Fgithub.com\u002Ftaki0112\u002FUGATIT\u002Fissues\u002F32",{"id":128,"question_zh":129,"answer_zh":130,"source_url":131},9357,"如何将训练好的 checkpoint 转换为 Tensorflow 的 .pb 格式文件？output_node_names 应该填什么？","虽然具体的 output_node_names 取决于代码实现，但社区用户已成功通过脚本完成转换。您可以参考社区提供的代码示例（如 DiMiTriFrog 分享的脚本）来提取节点名称。\n一般步骤是使用 `freeze_graph.py` 工具：\n```bash\npython3 freeze_graph.py --input_meta_graph=\u003Cpath>.meta --input_checkpoint=\u003Cpath> --output_graph=selfie2anime.pb --input_binary=True --output_node_names=\"\u003C需确定的节点名>\"\n```\n建议在代码中打印图结构或使用 TensorBoard 查看具体的输出节点名称（通常涉及生成器的输出张量）。","https:\u002F\u002Fgithub.com\u002Ftaki0112\u002FUGATIT\u002Fissues\u002F70",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},9358,"加载检查点时出现 \"Load FAILURE\" 错误，无法继续训练，如何解决？","出现此错误通常是因为路径配置不正确或检查点文件不匹配。\n1. **自动保存机制**：训练时，检查点会根据 `save_freq` 参数设置的迭代次数自动保存。请确认您使用的 checkpoint 文件确实存在于指定文件夹中。\n2. **路径检查**：确保命令行参数中的 `checkpoint_dir` 指向包含 `.index`, `.data` 和 `.meta` 文件的正确目录。\n3. **文件名匹配**：输入的检查点前缀必须与文件名一致（不包括后缀）。\n参考代码逻辑：检查点在每次达到 `save_freq` 迭代时保存（见 `main.py` 第 18 行附近）。","https:\u002F\u002Fgithub.com\u002Ftaki0112\u002FUGATIT\u002Fissues\u002F26",{"id":138,"question_zh":139,"answer_zh":140,"source_url":141},9359,"CAM Loss 是否会导致结果变差？它只在重型模型中有效吗？","CAM（Class Activation Map）模块旨在通过判别器的指导以无监督方式提升注意力机制的效果。\n- 如果在轻量级模型或特定数据集上发现引入 CAM Loss 后结果退化，可能是因为 CAM 部分在循环生成对抗网络（Cycle-GAN style）中的行为不如预期。\n- CAM 并非仅限于 RGB 图像，但在某些非标准配置下可能表现异常。\n- 如果效果不佳，可以尝试调整 `cam_weight` 或在特定任务中暂时禁用 CAM 组件进行测试。作者修复过平滑处理（smoothing）相关的代码，请确保使用的是最新版本的 `ops.py`。","https:\u002F\u002Fgithub.com\u002Ftaki0112\u002FUGATIT\u002Fissues\u002F108",[]]