內容一覽：最強二次元風格遷移模型?AnimeGAN 更新啦，現(xiàn)在可以在線上輕松運行模型，還可以調整風格參數(shù)，輸出你想要的照片效果。

關鍵詞：風格遷移 機器視覺 二次元

AnimeGANv2 最近發(fā)布了一項更新，由社區(qū)貢獻者開發(fā)，通過 Gradio 實現(xiàn)了一個可以在線運行的 Demo，發(fā)布在?huggingface 上。

訪問?

https://huggingface.co/spaces/akhaliq/AnimeGANv2

即可在線上輕松實現(xiàn) AnimeGANv2 ?的處理效果（僅支持靜態(tài)圖片處理）。

?AnimeGAN：三次元通通變二

AnimeGAN 是基于 CartoonGAN 的改進,并提出了一個更加輕量級的生成器架構，2019 年 AnimeGAN 首次開源便以不凡的效果引發(fā)了熱議。

AnimeGANv2 線上測試效果

在初始版本發(fā)布時的論文《AnimeGAN: a novel lightweight GAN for photo animation》中還提出了三個全新的損失函數(shù)，用于提升風格化的動漫視覺效果。

這三個損失函數(shù)分別是：灰度風格損失，灰度對抗損失、顏色重建損失。

AnimeGAN 與其他動漫風格遷移模型的效果對比

去年九月發(fā)布的 AnimeGANv2 優(yōu)化了模型效果，解決了 AnimeGAN 初始版本中的一些問題。

在 v2 中還新增了新海誠、宮崎駿、今敏三位漫畫家漫畫風格的訓練數(shù)據(jù)集。

AnimeGAN 初代模型運行效果

AnimeGANv2?模型運行效果

以馬斯克為例，AnimeGAN 初代的效果已經很令人驚艷，只是太過于白嫩病嬌，仿佛韓國男團成員。相比之下，v2 更加自然，也更貼合真實氣質。

AnimeGANv2 的更新重點：

- 解決了生成的圖像中高頻偽影的問題；

- v2 更易于訓練，并能直接達到論文所述的效果；

- 進一步減少生成器網絡的參數(shù)數(shù)量。(生成器大小 8.17Mb)；

- 加入更多高質量影像數(shù)據(jù)。

風景建筑圖片?AnimeGANv2?模型運行效果

?項目信息

?TensorFlow 版本環(huán)境配置要求?

• python 3.6

• tensorflow-gpu

  • tensorflow-gpu 1.8.0 (ubuntu, GPU 1080Ti or Titan xp, cuda 9.0, cudnn 7.1.3)

  • tensorflow-gpu 1.15.0 (ubuntu, GPU 2080Ti, cuda 10.0.130, cudnn 7.6.0)

• opencv

• tqdm

• numpy

• glob

• argparse

?PyTorch 實現(xiàn)?

權重轉換

git clone https://github.com/TachibanaYoshino/AnimeGANv2 python convert_weights.py

推理

python test.py --input_dir [image_folder_path] --device [cpu/cuda]

?墻內 Colab 運行

項目 GitHub
https://github.com/TachibanaYoshino/AnimeGANv2

線上 Demo
https://huggingface.co/spaces/akhaliq/AnimeGANv2

墻內 Colab

https://openbayes.com/console/open-tutorials/containers/pROHrRgKItf

眉清目秀的張三不像壞人

—— 完 ——

往期精彩回顧適合初學者入門人工智能的路線及資料下載機器學習及深度學習筆記等資料打印機器學習在線手冊深度學習筆記專輯《統(tǒng)計學習方法》的代碼復現(xiàn)專輯 AI基礎下載黃海廣老師《機器學習課程》視頻課黃海廣老師《機器學習課程》711頁完整版課件

本站qq群955171419，加入微信群請掃碼：

總結

以上是生活随笔為你收集整理的【深度学习】动漫风格迁移AnimeGANv2，发布线上运行Demo的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。