メインコンテンツへスキップ
サンプルコードの断片コレクションが増え続けています……

​
画像とマスク

​
画像の読み込み

画像をバッチサイズ 1 として読み込みます（nodes.py の LoadImage ソースコードに基づきます） 
i = Image.open(image_path)
i = ImageOps.exif_transpose(i)
if i.mode == 'I':
    i = i.point(lambda i: i * (1 / 255))
image = i.convert("RGB")
image = np.array(image).astype(np.float32) / 255.0
image = torch.from_numpy(image)[None,]

​
画像バッチの保存

画像のバッチを保存します（nodes.py の SaveImage ソースコードに基づきます） 
for (batch_number, image) in enumerate(images):
    i = 255. * image.cpu().numpy()
    img = Image.fromarray(np.clip(i, 0, 255).astype(np.uint8))
    filepath = # バッチ番号を考慮したパス
    img.save(filepath)

​
マスクの反転

マスクの反転は単純なプロセスです。マスクは [0,1] の範囲に正規化されているため： 
mask = 1.0 - mask

​
マスクを画像形状に変換

# [B,H,W,C] が必要です。ここで C = 1
if len(mask.shape)==2: # [H,W] のため、B と C を次元 1 として挿入
    mask = mask[None,:,:,None]
elif len(mask.shape)==3 and mask.shape[2]==1: # [H,W,C] の場合
    mask = mask[None,:,:,:]
elif len(mask.shape)==3:                      # [B,H,W] の場合
    mask = mask[:,:,:,None]

​
マスクを透過層として使用

インペインティングやセグメンテーションなどのタスクで使用する場合、MASK の値は最終的に最も近い整数に丸められ、二値になります。0 は無視される領域を示し、1 は対象となる領域を示します。ただし、これは MASK がそれらのノードに渡されるまで発生しません。この柔軟性により、デジタル写真のコンテキストにおける透過層として MASK を使用できます： 
# マスクを元の透過層に戻すために反転
mask = 1.0 - mask

# `C`（チャンネル）次元を Unsqueeze
mask = mask.unsqueeze(-1)

# `C` 次元に沿って結合（"cat"）
rgba_image = torch.cat((rgb_image, mask), dim=-1)

​
ノイズ

​
ノイズバリエーションの作成

これは 2 つのソースからのノイズを混合するノイズオブジェクトを作成する例です。weight2 を変えることで、わずかなノイズのバリエーションを作成するために使用できます。 
class Noise_MixedNoise:
    def __init__(self, nosie1, noise2, weight2):
        self.noise1  = noise1
        self.noise2  = noise2
        self.weight2 = weight2

    @property
    def seed(self): return self.noise1.seed

    def generate_noise(self, input_latent:torch.Tensor) -> torch.Tensor:
        noise1 = self.noise1.generate_noise(input_latent)
        noise2 = self.noise2.generate_noise(input_latent)
        return noise1 * (1.0-self.weight2) + noise2 * (self.weight2)