二次元图片着色技术路线

二次元图片着色技术路线

1.样本收集以及预处理

2.训练过程

1. 提取人物（去除干扰元素）

2. 提取轮廓（去色），及特征元素（皮肤，眼睛，头发...）

3. 进入编码器（一图变多图）

4. CNN初步生成器训练

5. 生成对抗，获得最优结果

      6.（训练过程：提取边缘，人物轮廓，部分特征（脸，眼睛，耳朵，腿，胳膊等），编码器，深度学习网络（貌似有用GAN等））张老师修改

3. 生成过程

1. 提取人物特征，并抽象为数组

2. 查表确认该人物的着色方案已存在，则使用该方案着色。如果不存在继续。

3. 生成该人物对应的特征着色参数（各特征元素着色方案），并按记录

4. 按方案着色

4.图片着色的技术难点在哪里？预计周期大概多久可以实现？（合伙人必问的两个问题）

技术难点：不同风格的人物轮廓提取要求和方法不同；颜色渐变过度，风格迁移（画风不同）

5.超越或者达到“喵图App”的水平是否能实现？（合伙人必问的两个问题）

喵图可以实现，现有的开源软件，可以试下，应该不会差别太多

6.你么需要什么技术支持或者要求？

要求：等我们先试下，看看效果。前期提供一些素材（线稿图，和上色图）用于训练。最好你们也能把你们掌握的一些资料，做成一个PPT发给我们，我们交流。

开源代码：

1.Paintschainer          https://paintschainer.preferred.tech/index_en.html      https://github.com/pfnet/PaintsChainer.git

              nvidia-docker run --name paintschainer --rm -p 8000:8000 -e PAINTSCHAINER_GPU=1 liamjones/paintschainer-docker

2.Auto-painter            https://arxiv.org/abs/1705.01908

3.style2paints 2.0 style2paints 2.0大部分训练都是纯粹无监督，甚至无条件的。https://arxiv.org/pdf/1706.03319.pdf

https://github.com/lllyasviel/style2paints

4. fast-style-transfer       https://github.com/lengstrom/fast-style-transfer.git

5.  FastPhotoStyle        https://github.com/NVIDIA/FastPhotoStyle.git

6.             https://github.com/pfnet/PaintsChainer.git