图形(Graph)和图像(Image)都是多媒体系统中的可视元素,虽然它们很难区分,但确实不是一回事。图形是矢量图(Vector Drawn),它是根据几何特性来绘制的。图形的元素是一些点、直线、弧线等。图像是位图(Bitmap),它所包含的信息是用像素来度量的。
AnimeGANv2照片动漫化工具,这是一款图片动漫化工具,能实现照片视频的一键动漫化转换功能,使用方便,直接将需要转换的图片和视频移动到转换区内,点击转换即可,可以生成唯美的动漫风效果。下面介绍AnimeGANv2的一些优势和安装方法,想要搭建成品程序的朋友们也可以前往GitHub平台上下载源码。
AnimeGANv2优势
解决了生成的图像中的高频伪影问题。
它易于训练,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。(现在生成器大小 8.17Mb)
尽可能多地使用来自BD电影的新的高质量的风格数据。
AnimeGANv2安装
本项目是一个使用Py Torch的AnimeGANv2的实现,作者为bryandlee,项目地址为给出链接,我这里基于该项
目进行处理,所以首先需要配置好适合该项目的环境,具体需要的安装步骤如下(所演示的过程均在Ubuntu系
统下测试成功)。
首先,将该项目clone到本地,使用如下命令即可完成。
1|git clone https://github.com/bryandlee/animegan2-pytorch
然后,进入clone到本地的项目中(cd),会看到如下的项目结构,该项目的核心工作就是使用PyTorch构建
的生成器模型并将原始TensorFlow的模型参数转换为了PyTorch模型参数,其中构建模型的脚本为model.py而
转换模型的脚本对应为convert_weights.py,然后test.py则是封装的一个推理的接口。
搭建环境
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
矢量图常用于框架结构的图形处理,应用非常广泛。图形是人们根据客观事物制作生成的,它不是客观存在的;图像是可以直接通过照相、扫描、摄像得到,也可以通过绘制得到。