作者 | 神经星星
出品 | HyperAI超神经
By 超神经
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。
项目信息
PyTorch 实现
权重转换
git clone https://github.com/TachibanaYoshino/AnimeGANv2python 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
往
期
回
顾
直播
资讯
资讯
资讯
分享
点收藏
点点赞
点在看