内容一览：最强二次元风格迁移模型 AnimeGAN 更新啦，现在可以在线上轻松运行模型，还可以调整风格参数，输出你想要的照片效果。

关键词：风格迁移 机器视觉 二次元

AnimeGANv2 最近发布了一项更新，由社区贡献者开发，通过 Gradio 实现了一个可以在线运行的 Demo，发布在 huggingface 上。

访问

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

即可在线上轻松实现 AnimeGANv2  的处理效果（仅支持静态图片处理）。

 AnimeGAN：三次元通通变二

AnimeGAN 是基于 CartoonGAN 的改进,并提出了一个更加轻量级的生成器架构，2019 年 AnimeGAN 首次开源便以不凡的效果引发了热议。

AnimeGANv2 线上测试效果

在初始版本发布时的论文《AnimeGAN: a novel lightweight GAN for photo animation》中还提出了三个全新的损失函数，用于提升风格化的动漫视觉效果。

这三个损失函数分别是：灰度风格损失，灰度对抗损失、颜色重建损失。

AnimeGAN 与其他动漫风格迁移模型的效果对比

去年九月发布的 AnimeGANv2 优化了模型效果，解决了 AnimeGAN 初始版本中的一些问题。

在 v2 中还新增了新海诚、宫崎骏、今敏三位漫画家漫画风格的训练数据集。

AnimeGAN 初代模型运行效果

AnimeGANv2 模型运行效果

以马斯克为例，AnimeGAN 初代的效果已经很令人惊艳，只是太过于白嫩病娇，仿佛韩国男团成员。相比之下，v2 更加自然，也更贴合真实气质。

AnimeGANv2 的更新重点：

- 解决了生成的图像中高频伪影的问题；

- v2 更易于训练，并能直接达到论文所述的效果；

- 进一步减少生成器网络的参数数量。(生成器大小 8.17Mb)；

- 加入更多高质量影像数据。

风景建筑图片 AnimeGANv2 模型运行效果

 项目信息

 TensorFlow 版本环境配置要求 

• 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 实现 

权重转换

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

推理

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

 墙内 Colab 运行

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

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

墙内 Colab

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

眉清目秀的张三不像坏人

—— 完 ——

往期精彩回顾适合初学者入门人工智能的路线及资料下载机器学习及深度学习笔记等资料打印机器学习在线手册深度学习笔记专辑《统计学习方法》的代码复现专辑
AI基础下载黄海广老师《机器学习课程》视频课黄海广老师《机器学习课程》711页完整版课件

本站qq群955171419，加入微信群请扫码：