本仓库基于 AdaAttN 进行了一些改动。
AdaAttN 是对任意神经风格迁移中的注意力机制的重新审视，其论文 "AdaAttN: Revisit Attention Mechanism in Arbitrary Neural Style Transfer, ICCV 2021"。

相比于原仓库，本仓库进行了以下改动：

• 修改 ONNX 不支持的算子：
  • 将模型中所有 torch.randperm 的调用改为 torch.arange，以避免 ONNX 不支持的随机算子。
  • 该改动可能会对推理结果产生轻微的变化。
• 调整 BaseModel 的继承：
  • 原仓库 BaseModel 继承 ABC，本仓库修改为同时继承 nn.Module 和 ABC 以优化兼容性。
• Result HTML 展示内容调整：
  • 修改了表格格式及标题，使其更易阅读和比较。

• 直接导出的onnx模型adaattn.onnx
• 用onnxslim优化后的onnx模型adaattn_slim.onnx

• 导出原始大小151MB。
• 经过onnxslim图优化后，AdaAttN ONNX 模型文件大小约 102MB。

• 输入 1：content，形状 [b, 3, h, w]
• 输入 2：style，形状 [b, 3, h, w]
• 输出：output，形状 [b, 3, h, w]

• Python 3.10

• 依赖库安装：

  pip install torch==2.5.1+cu124 torchvision==0.20+cu124 -f https://download.pytorch.org/whl/torch_stable.html
  pip install torchvision==0.20.1 torchaudio==2.5.1 --index-url https://download.pytorch.org/whl/cu124
  pip install dominate
  pip install numpy==1.26.4
  pip install pillow

python test.py ^
  --content_path datasets/contents ^
  --style_path datasets/styles ^
  --name AdaAttN ^
  --model adaattn ^
  --dataset_mode unaligned ^
  --load_size 1024 ^
  --crop_size 1024 ^
  --image_encoder_path checkpoints/vgg_normalised.pth ^
  --gpu_ids 0 ^
  --skip_connection_3 ^
  --shallow_layer

WebDemo在线演示地址： https://whyb.github.io/AdaAttN-WebGPU/ 以下为本仓库风格迁移的部分效果示例： 左1：content 左2：Style 右1：Result