| 【深度学习】动漫风格迁移AnimeGANv2，发布线上运行Demo | 您所在的位置：网站首页 › 宫崎骏动漫图像 › 【深度学习】动漫风格迁移AnimeGANv2，发布线上运行Demo |
【深度学习】动漫风格迁移AnimeGANv2，发布线上运行Demo
|
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
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 GitHubhttps://github.com/TachibanaYoshino/AnimeGANv2 线上 Demohttps://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：
|
【本文地址】