网站建设合同续签申请书,网站建设类公,网站备案多久,给大家分享个永久免费的云服务器根据真实店铺照片生成的效果图#xff0c;一度以为#xff0c;这就是某个日漫番剧的截图本文转自#xff1a;机器之心随手拍张照片#xff0c;顺势转换为宫崎骏、新海诚等日漫大师的手绘风格作品#xff0c;这个专门生成动漫图像的 GAN#xff0c;实测很好用。尽管最近 2…根据真实店铺照片生成的效果图一度以为这就是某个日漫番剧的截图本文转自机器之心随手拍张照片顺势转换为宫崎骏、新海诚等日漫大师的手绘风格作品这个专门生成动漫图像的 GAN实测很好用。尽管最近 2019 年的图灵奖颁给了计算机图形学、颁给了皮克斯 3D 动画但很多人可能认为二维动漫更有意思一些。像宫崎骏、新海诚这些大师手绘下的动漫才有了灵魂张张都能成为壁纸而整个日漫也以二维为核心。如果有模型能将真实画面转化为日漫风格的手绘画面那一定非常炫酷。最近机器之心发现确实有这些模型从 CartoonGAN 到 AnimeGAN 都能生成非常有意思的图像。这里有一个 TensorFlow 新项目它实现了 AnimeGAN并提供了预训练模型。也就是说我们下载后可以直接试试生成效果。作为日漫风格的爱好者我们很快就试用了一下新项目。项目地址https://github.com/TachibanaYoshino/AnimeGAN虽然原项目给出的最佳示例很多都是街景但我们发现各种场景也都还行如下是我们试用的原图与生成效果。看看第一张樱花道生成效果忽然有一种《千与千寻》的感觉。如果只针对人物转换效果也是非常不错的。我们尝试将新垣结衣的照片输入 AnimeGAN 模型然后就有如下这种神奇的画风感觉直接用到动漫里也没什么问题了。在原 GitHub 项目中作者还给了非常多的示例上面只是机器之心试用的结果你也可以来用一用。AnimeGAN整个项目实现的是论文「AnimeGAN: a novel lightweight GAN for photo animation」中所提方法作者在论文中分别将 AnimeGAN 与 CartoonGAN、ComixGAN 进行对比。 从图中可以看到AnimeGAN 在细节方面的表现要优于以上两种方法色彩相对而言更加自然涂抹感也没有那么强烈。最明显的是第二行的效果图使用 AnimeGAN 生成的漫画更加接近宫崎骏的画风。方法简介对于这个项目的 AnimeGAN如下所示为 AnimeGAN 所采用的生成器网络与判别器网络。看起来模型整体是比较常规地一个卷积神经网络但它会采用实例归一化以及新型的 LReLU 激活函数。除了架构细节上的更新外作者还提出了以下三个新的损失函数灰度风格(grayscale style)loss灰度对抗(grayscale adversarial)loss色彩重构(color reconstruction)loss这些损失函数能够让生成图片的风格更加接近于真实的漫画风格。下表比较了 ACartoonGAN 与 AnimeGAN 的模型大小与推理速度。可以明显看出AnimeGAN 是个相对轻量级的 GAN具有更少的参数量以及更快的推理速度。