HiDT 配置文件完全解读daytime.yaml 与 wikiart.yaml 参数逐行拆解【免费下载链接】HiDTOfficial repository for the paper High-Resolution Daytime Translation Without Domain Labels (CVPR2020, Oral)项目地址: https://gitcode.com/gh_mirrors/hi/HiDTHiDTHigh-Resolution Daytime Translation Without Domain Labels是 CVPR 2020 Oral 论文的官方开源实现它能在一张照片与一张参考风格图之间完成高分辨率白天风格迁移——比如把阴天变成晴天、把黄昏变成日落甚至把写实照片转换成印象派油画。而这一切的配方都藏在项目根目录的 configs/daytime.yaml 与 configs/wikiart.yaml 两个 HiDT 配置文件里。本文将逐行拆解这两个文件中的每一个参数讲清楚它们如何控制网络结构与推理流程帮你快速上手并学会按需修改。HiDT 项目概览配置文件究竟管什么HiDT 的核心思路是把一张图分解为**内容Content与风格Style**两个独立表征内容编码器负责这张图里有什么风格编码器负责这张图看起来像什么解码器再用 AdaIN 机制把它们重新合成。配置文件就是描述这三段管线如何搭建的施工图hidt/networks/generators/gen_content_style_unet.py 中的GeneratorContentStyleUnet会按照配置里的models.gen部分动态构建整个网络。上图展示了 HiDT 的核心网络结构内容编码器逐层下采样提取特征风格编码器生成风格向量 s解码器通过 AdaIN 层与跳连skip connection将二者融合最终还原出高分辨率图像。daytime.yaml 参数详解逐行拆解先来看 configs/daytime.yaml这份配置面向白天场景翻译白天风格之间的天气/时段转换。trainer 与数据类型声明trainer: TrainerBasetrainer指定了训练与推理的组织类对应 hidt/trainers/trainer_base.py 中的TrainerBase。它会读取配置并调用getattr(networks, architecture)构建生成器模型。data_types: images: # 风格输入普通 RGB 图像 color_space: rgb dim: 3 type: style segmentation_maps: # 内容输入语义分割图白天任务的独有配置 color_space: rgb dim: 3 type: content这里用 YAML 锚点type_images/type_segmentation_maps声明了两种数据类型images作为风格来源segmentation_maps语义分割图作为内容来源。也就是说daytime 任务的内容信息来自分割图这让模型在换天气时能牢牢锁定场景结构。生成器三大模块content_encoder、style_encoder、decodermodels: gen: architecture: GeneratorContentStyleUnet initialization: kaiming # Kaiming 初始化利于深层网络收敛architecture指定生成器类型为GeneratorContentStyleUnet即带跳连的 UNet 版本实现在 gen_content_style_unet.py。内容编码器对应源码 content_encoders.pycontent_encoder: architecture: ContentEncoderUnet num_downsamples: 2 # 下采样 2 次 num_blocks: 4 # 末尾 4 个残差块 dim: 48 # 基础通道数 48 norm: in # Instance Normalization activ: relu pad_type: reflect # 反射填充减少边缘伪影 skip_dim: 5 # 跳连保留前 5 个通道风格编码器对应源码 style_encoders.pystyle_encoder: architecture: StyleEncoder num_downsamples: 4 dim: 48 output_dim: 3 # 风格向量维度daytime 为 3 norm: none # 风格编码不使用归一化 activ: lreluoutput_dim: 3是这份配置的关键参数——它决定风格向量 s 的维度。图片经全局平均池化后压缩成一个 3 维向量作为这张图的风格指纹。解码器对应源码 decoders.pydecoder: architecture: DecoderUnet res_norm: adain # 残差块用 AdaIN 归一化风格注入点 up_norm: ln # 上采样层用 LayerNorm num_upsamples: 2 # 上采样 2 次与内容编码器下采样对称 num_blocks: 5 dim: 192 num_res_conv: 0 skip_dim: 5 adain_net: # 风格→AdaIN 参数的映射网络 architecture: MLP input_dim: 3 # 与 style_encoder.output_dim 必须一致 dim: 64 num_blocks: 3adain_net是一个 MLP把风格向量 s 映射成解码器中所有 AdaIN 层的均值/方差参数计算方式见 norm.py 的AdaptiveInstanceNorm2d。注意adain_net.input_dim必须等于style_encoder.output_dim否则模型无法加载。test_dataset推理预处理参数test_dataset: transform: preprocess: scale_shorter_side_and_crop # 先按短边缩放再随机裁剪 load_size: 256 # 短边缩放到 256 crop_image_height: 256 # 裁剪高度 crop_image_width: 256 # 裁剪宽度 no_flip: False # 是否关闭水平翻转 dequantization: True # 反量化避免 0/255 极值这些参数控制输入图片如何被预处理。注意实际推理时 style_transformer.py 会覆写部分参数——把preprocess改为scale_load_shorter_side并把load_size设为inference_size默认 512实现全分辨率推理。wikiart.yaml 解读艺术风格迁移的差异化配置configs/wikiart.yaml 面向WikiArt 艺术风格油画、水彩等绘画风格的迁移任务结构与 daytime.yaml 几乎一致但有三个关键差异差异一没有语义分割图data_types: images: color_space: rgb dim: 3 type: stylewikiart 配置只声明了images一种数据类型内容与风格都直接来自图像本身内容由内容编码器从图像中提取不依赖分割图。差异二风格向量维度从 3 变成 12style_encoder: output_dim: 12 # 艺术风格更复杂需要 12 维风格向量 adain_net: input_dim: 12 # 与 output_dim 保持同步绘画风格的差异远比天气差异丰富因此把风格向量维度提升到 12以承载更复杂的色彩与笔触信息。差异三解码器输出不再包含分割图只输出图像daytime 配置的output_data同时包含 images 和 segmentation_maps 两项。两份配置文件关键差异速查表配置项daytime.yamlwikiart.yaml作用说明内容输入images segmentation_maps仅 images内容表征来源style_encoder.output_dim312风格向量维度adain_net.input_dim312风格映射网络输入维度decoder 输出images 分割图仅 images输出分支其他网络参数相同相同结构共用可以看到两份配置的网络骨架完全一致差异集中在内容来源和风格向量维度两处——这正体现了 HiDT 配置设计的精妙换任务只需改数据声明和维度无需动一行代码。如何用配置文件跑通一次推理克隆仓库后git clone https://gitcode.com/gh_mirrors/hi/HiDT配合 trained_models/generator/daytime.pt 或 trained_models/generator/wikiart.pt 预训练权重参考 README.md 中的命令即可开始推理内容图与风格图可直接使用 images/daytime/ 和 images/wikiart/ 目录下的示例素材。上图为白天风格插值结果从左到右从阴天雾霭平滑过渡到晴朗蓝天同一场景在两种天气风格间连续变化验证了配置中风格向量的表达能力。上图展示了黄昏到日落的艺术风格插值色调从暗沉的蓝灰平滑过渡到温暖的金橙正是 wikiart 风格迁移能力的直观体现。修改配置的小技巧与常见坑想换风格任务核心是调整style_encoder.output_dim与adain_net.input_dim二者必须相等否则加载权重会报维度不匹配。内容来源怎么选有语义分割图标注时如白天场景用分割图当 content没有标注时如艺术画删掉segmentation_maps声明让模型从图像自提内容。推理分辨率怎么调不要改test_dataset里的 256改StyleTransformer的inference_size参数默认 512即可获得更高分辨率输出若显存不足配合 trained_models/enhancer/enhancer.pth 超分增强器效果更佳。注意 YAML 锚点继承: *type_images是 YAML 合并键语法改动data_types会波及所有引用它的模块改之前先确认影响范围。掌握了这两份 HiDT 配置文件你就等于拿到了模型调优的总钥匙——无论是换数据集、调风格强度还是改输出分辨率都能在参数层快速完成让 HiDT 真正为你所用。快去动手试试吧【免费下载链接】HiDTOfficial repository for the paper High-Resolution Daytime Translation Without Domain Labels (CVPR2020, Oral)项目地址: https://gitcode.com/gh_mirrors/hi/HiDT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 HiDT 配置文件完全解读：daytime.yaml 与 wikiart.yaml 参数逐行拆解
HiDT 配置文件完全解读daytime.yaml 与 wikiart.yaml 参数逐行拆解【免费下载链接】HiDTOfficial repository for the paper High-Resolution Daytime Translation Without Domain Labels (CVPR2020, Oral)项目地址: https://gitcode.com/gh_mirrors/hi/HiDTHiDTHigh-Resolution Daytime Translation Without Domain Labels是 CVPR 2020 Oral 论文的官方开源实现它能在一张照片与一张参考风格图之间完成高分辨率白天风格迁移——比如把阴天变成晴天、把黄昏变成日落甚至把写实照片转换成印象派油画。而这一切的配方都藏在项目根目录的 configs/daytime.yaml 与 configs/wikiart.yaml 两个 HiDT 配置文件里。本文将逐行拆解这两个文件中的每一个参数讲清楚它们如何控制网络结构与推理流程帮你快速上手并学会按需修改。HiDT 项目概览配置文件究竟管什么HiDT 的核心思路是把一张图分解为**内容Content与风格Style**两个独立表征内容编码器负责这张图里有什么风格编码器负责这张图看起来像什么解码器再用 AdaIN 机制把它们重新合成。配置文件就是描述这三段管线如何搭建的施工图hidt/networks/generators/gen_content_style_unet.py 中的GeneratorContentStyleUnet会按照配置里的models.gen部分动态构建整个网络。上图展示了 HiDT 的核心网络结构内容编码器逐层下采样提取特征风格编码器生成风格向量 s解码器通过 AdaIN 层与跳连skip connection将二者融合最终还原出高分辨率图像。daytime.yaml 参数详解逐行拆解先来看 configs/daytime.yaml这份配置面向白天场景翻译白天风格之间的天气/时段转换。trainer 与数据类型声明trainer: TrainerBasetrainer指定了训练与推理的组织类对应 hidt/trainers/trainer_base.py 中的TrainerBase。它会读取配置并调用getattr(networks, architecture)构建生成器模型。data_types: images: # 风格输入普通 RGB 图像 color_space: rgb dim: 3 type: style segmentation_maps: # 内容输入语义分割图白天任务的独有配置 color_space: rgb dim: 3 type: content这里用 YAML 锚点type_images/type_segmentation_maps声明了两种数据类型images作为风格来源segmentation_maps语义分割图作为内容来源。也就是说daytime 任务的内容信息来自分割图这让模型在换天气时能牢牢锁定场景结构。生成器三大模块content_encoder、style_encoder、decodermodels: gen: architecture: GeneratorContentStyleUnet initialization: kaiming # Kaiming 初始化利于深层网络收敛architecture指定生成器类型为GeneratorContentStyleUnet即带跳连的 UNet 版本实现在 gen_content_style_unet.py。内容编码器对应源码 content_encoders.pycontent_encoder: architecture: ContentEncoderUnet num_downsamples: 2 # 下采样 2 次 num_blocks: 4 # 末尾 4 个残差块 dim: 48 # 基础通道数 48 norm: in # Instance Normalization activ: relu pad_type: reflect # 反射填充减少边缘伪影 skip_dim: 5 # 跳连保留前 5 个通道风格编码器对应源码 style_encoders.pystyle_encoder: architecture: StyleEncoder num_downsamples: 4 dim: 48 output_dim: 3 # 风格向量维度daytime 为 3 norm: none # 风格编码不使用归一化 activ: lreluoutput_dim: 3是这份配置的关键参数——它决定风格向量 s 的维度。图片经全局平均池化后压缩成一个 3 维向量作为这张图的风格指纹。解码器对应源码 decoders.pydecoder: architecture: DecoderUnet res_norm: adain # 残差块用 AdaIN 归一化风格注入点 up_norm: ln # 上采样层用 LayerNorm num_upsamples: 2 # 上采样 2 次与内容编码器下采样对称 num_blocks: 5 dim: 192 num_res_conv: 0 skip_dim: 5 adain_net: # 风格→AdaIN 参数的映射网络 architecture: MLP input_dim: 3 # 与 style_encoder.output_dim 必须一致 dim: 64 num_blocks: 3adain_net是一个 MLP把风格向量 s 映射成解码器中所有 AdaIN 层的均值/方差参数计算方式见 norm.py 的AdaptiveInstanceNorm2d。注意adain_net.input_dim必须等于style_encoder.output_dim否则模型无法加载。test_dataset推理预处理参数test_dataset: transform: preprocess: scale_shorter_side_and_crop # 先按短边缩放再随机裁剪 load_size: 256 # 短边缩放到 256 crop_image_height: 256 # 裁剪高度 crop_image_width: 256 # 裁剪宽度 no_flip: False # 是否关闭水平翻转 dequantization: True # 反量化避免 0/255 极值这些参数控制输入图片如何被预处理。注意实际推理时 style_transformer.py 会覆写部分参数——把preprocess改为scale_load_shorter_side并把load_size设为inference_size默认 512实现全分辨率推理。wikiart.yaml 解读艺术风格迁移的差异化配置configs/wikiart.yaml 面向WikiArt 艺术风格油画、水彩等绘画风格的迁移任务结构与 daytime.yaml 几乎一致但有三个关键差异差异一没有语义分割图data_types: images: color_space: rgb dim: 3 type: stylewikiart 配置只声明了images一种数据类型内容与风格都直接来自图像本身内容由内容编码器从图像中提取不依赖分割图。差异二风格向量维度从 3 变成 12style_encoder: output_dim: 12 # 艺术风格更复杂需要 12 维风格向量 adain_net: input_dim: 12 # 与 output_dim 保持同步绘画风格的差异远比天气差异丰富因此把风格向量维度提升到 12以承载更复杂的色彩与笔触信息。差异三解码器输出不再包含分割图只输出图像daytime 配置的output_data同时包含 images 和 segmentation_maps 两项。两份配置文件关键差异速查表配置项daytime.yamlwikiart.yaml作用说明内容输入images segmentation_maps仅 images内容表征来源style_encoder.output_dim312风格向量维度adain_net.input_dim312风格映射网络输入维度decoder 输出images 分割图仅 images输出分支其他网络参数相同相同结构共用可以看到两份配置的网络骨架完全一致差异集中在内容来源和风格向量维度两处——这正体现了 HiDT 配置设计的精妙换任务只需改数据声明和维度无需动一行代码。如何用配置文件跑通一次推理克隆仓库后git clone https://gitcode.com/gh_mirrors/hi/HiDT配合 trained_models/generator/daytime.pt 或 trained_models/generator/wikiart.pt 预训练权重参考 README.md 中的命令即可开始推理内容图与风格图可直接使用 images/daytime/ 和 images/wikiart/ 目录下的示例素材。上图为白天风格插值结果从左到右从阴天雾霭平滑过渡到晴朗蓝天同一场景在两种天气风格间连续变化验证了配置中风格向量的表达能力。上图展示了黄昏到日落的艺术风格插值色调从暗沉的蓝灰平滑过渡到温暖的金橙正是 wikiart 风格迁移能力的直观体现。修改配置的小技巧与常见坑想换风格任务核心是调整style_encoder.output_dim与adain_net.input_dim二者必须相等否则加载权重会报维度不匹配。内容来源怎么选有语义分割图标注时如白天场景用分割图当 content没有标注时如艺术画删掉segmentation_maps声明让模型从图像自提内容。推理分辨率怎么调不要改test_dataset里的 256改StyleTransformer的inference_size参数默认 512即可获得更高分辨率输出若显存不足配合 trained_models/enhancer/enhancer.pth 超分增强器效果更佳。注意 YAML 锚点继承: *type_images是 YAML 合并键语法改动data_types会波及所有引用它的模块改之前先确认影响范围。掌握了这两份 HiDT 配置文件你就等于拿到了模型调优的总钥匙——无论是换数据集、调风格强度还是改输出分辨率都能在参数层快速完成让 HiDT 真正为你所用。快去动手试试吧【免费下载链接】HiDTOfficial repository for the paper High-Resolution Daytime Translation Without Domain Labels (CVPR2020, Oral)项目地址: https://gitcode.com/gh_mirrors/hi/HiDT创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考