本文发表于SIGGRAPH 2024，是一篇关于图像编辑的论文，Github官网网址如下：
garibida/cross-image-attention： “Cross-Image Attention for Zero-Shot Appearance Transfer”的正式实现 (github.com)
一、基本配置环境准备
请确保复现之前已经准备好python、pytorch环境，根据我复现的情况来看，最好显存要有16GB。
二、项目环境配置
这个项目自带有环境配置文件，大家自行配置一下即可，但是这个项目在运行时还需要两个文件，
分别时averaged_perceptron_tagger和punkt。主要时因为用到了nltk包。
考虑到可能大家的网不一定好，我把文件传到了夸克网盘里：
链接：https://pan.quark.cn/s/643d73b5b2e3
至于具体的存放路径，可以先跑一下代码看看控制台里输出的默认路径是什么，或者在segmentation.py文件中改一下路径
三、运行
直接看官网给的运行脚本示例运行即可：
python run.py \
--app_image_path /path/to/appearance/image.png \
--struct_image_path /path/to/structure/image.png \
--output_path /path/to/output/images.png \
--domain_name [domain the objects are taken from (e.g., animal, building)] \
--use_masked_adain True \
--contrast_strength 1.67 \
--swap_guidance_scale 3.5 比如我运行：
python run.py \
--app_image_path /data/disk1/sxtang/Project/cross-image-attention/image/appearance/05.jpg \
--struct_image_path /data/disk1/sxtang/Project/cross-image-attention/image/structure/00.jpg \
--output_path /data/disk1/sxtang/Project/cross-image-attention/image/result/image_01.png \
--domain_name clock \
--use_masked_adain True \
--contrast_strength 1.67 \
--swap_guidance_scale 3.5 如果一切顺利，它会先对两张图象进行inversion，然后执行外观转移，最后得到图像，输出目录中的图像解释图：
我输入的两张图如下：
对两张图像进行inversion后以及输出的结果图如下：
实际上复现的这个结果是没有论文中表现得那么好的，可能是我选的图片不好哈哈，当然此文的主要目的是让这个项目跑起来。
