machine-learning - 如何方便地控制 Nvidia StyleGAN 中的功能？

在 Nvidia 的 StyleGAN 视频演示中，他们展示了各种 UI 滑块（很可能只是出于演示目的，而不是因为在开发 StyleGAN 时它们实际上具有完全相同的控件）来控制功能的混合：

但是，这里的 GitHub 存储库https://github.com/NVlabs/stylegan似乎缺少任何控制功能的简单方法。

是否有任何 Jupyter（或 Kaggle）笔记本具有 UI 控件，用于通过滑块和上传的源照片进行功能控制，或者一些简单的解决方案如何自己添加控件？我如何真正使用 StyleGAN 项目来做更多的事情，而不仅仅是生成随机图像？

标签： machine-learningimage-processingjupyter-notebooknvidiagenerative-adversarial-network

以防其他人寻找相同的东西。

最后，我设法找到了与我正在寻找的东西非常接近的东西——一个允许通过 UI 控制 StyleGAN 面部特征的项目：

它使用的是CelebA数据集，所以品种不够大，特征经常纠缠太多。我希望为更大的 Flickr-Faces-HQ 数据集找到类似于此解决方案的解决方案（或在 Nvlabs 的演示图像混合中），但似乎还没有。

我想，我必须自己学习机器学习和 Python，以达到足以调整 Faces-HQ 数据集上的 transparent_latent_gan 示例的理解水平。

奇怪的是（似乎）还没有人创建过 Nvlabs 视频演示中展示的如此方便的 UI。