动画发生器使照片手绘秒！

随便拍一张照片，把它转换成宫崎骏、新海诚和其他日本大师的手绘作品。这个GAN，专门生成动画图像，实际上非常有用。

尽管最近的2019年图灵奖被授予了计算机图形学和皮克斯3D动画，许多人可能认为2D动画更有趣。宫崎骏和新海诚等大师手绘的动画有灵魂。每张纸都可以变成墙纸，整个太阳漫射体也以二维为中心。如果有一个模型可以把真实的图片转换成日本风格的手绘图片，那一定很酷。最近，机器的核心发现这些模型确实存在，并且非常有趣的图像可以从卡通生成到动画。

这是一个新的TensorFlow项目，它实现了动画制作并提供了一个预培训模型。换句话说，我们可以在下载后直接尝试生成的效果。作为日本风格的粉丝，我们很快就尝试了这个新项目。项目地址：虽然在https://github.com/TachibanaYoshino/AnimeGAN最初的项目中给出的许多最好的例子都是街景，但是我们发现各种各样的场景都是可以的。以下是原始图像和我们尝试的结果。看着第一条樱花路径的效果，我突然有一种《千与千寻》的感觉。

如果只针对人物，转换效果也很好。我们试图将新垣结衣的照片输入动画模型，然后我们有了以下神奇的绘画风格，感觉直接使用动画没有问题。

在最初的GitHub项目中，作者也给出了很多例子。以上只是心脏机器试验的结果。你也可以使用它们。阿灵根的整个项目是通过“阿灵根：a新型轻量级照片动画氮化镓”中提出的方法实现的。在本文中，作者分别对阿尼根、卡通根和喜剧根进行了比较。

从图中可以看出，动画效果在细节上优于上述两种方法，色彩相对更自然，涂抹感也较弱。最明显的是第二行的效果图。动画制作的漫画更接近宫崎骏的绘画风格。本项目阿尼马格南方法简介，阿尼马格南采用的发电机网络和鉴频器网络如下。该模型整体上似乎是一个传统的卷积神经网络，但它将采用案例规范化和一个新的LReLU激活函数。

除了更新建筑细节，作者还提出了以下三个新的损失函数：

灰度样式)丢失

灰度对抗)损失

颜色重建)损失

这些损失函数可以使生成的图片风格更接近真实的卡通风格。下表比较了ACartoonGAN和AnimeGAN的模型大小和推理速度。可以清楚地看到，AnimeGAN是一个相对轻量级的GAN，具有更少的参数和更快的推理速度。

总的来说，新提出的动画网是一个轻量级的生成对策模型，它使用较少的模型参数，并引入格兰矩阵来增强照片的风格。研究者的方法需要使用一系列真实图片和一系列卡通图片进行训练，这些图片不需要成对匹配，这表明训练数据非常容易获得。项目测量我们在Ubuntu 18.04下测试了这个项目，相关的依赖环境如下：

python 3.6.8

tensorflow-gpu 1.8

opencv

tqdm

努皮

一团

argparse

这些依赖关系可以说是CV中常用的扩展库，所以我们不需要花很大力气去解决各种依赖环境冲突的问题。这是一个很好的评论。以下是该项目的详细培训和测试流程。首先，我们在本地克隆了动画制作项目，并将其输入到Jupyter笔记本中：

！gitclonehttps://github.com/TachibanaYoshino/AnimeGAN

将工作目录切换到动画制作：importos os.chdir('动画制作)打印(os.getcwd())接下来下载项目作者提供的预训练模型，使用vim download _ staffs.sh创建一个壳文件，输入如下命令：网址=https://github。com/TachiBanayoshino/AniMegan/releases/download/Hayo-style _ 1.0/Hayo-style。ZIP _ FILE=./check point/Hayao风格。zip TARGET _ DIR=./检查点/已保存_模型mkdir-p/检查点wget-N $ URL-O $ ZIP _ FILE mkdir-p $ TARGET _ DIR解压缩$ ZIP _ FILE-d $ TARGET _ DIR RM $ ZIP _ FILE DateSetURl=https://git hub。http ://www . analog.com/TachiBaynayoshino/AnimeGAN/releases/download/dataset-1/dataset。压缩文件=./dataset.zip TARGET_DIR=./dataset解压缩$ ZIP _ FILE-d $ TARGET _ DIR RM $ ZIP _ FILE VGG _ FILE=./vgg 19 _ weight/vgg 19。npy wget-load-cookie/tmp/cookie。txt ' https://docs。谷歌。微软/加州大学？export=download confirm=$(wget-quiet-save-cookies/tmp/cookies。txt-keep-session-cookies-no-check-certificate ' https://文档。谷歌。微软/加州大学？export=download id=1u 5 hcrpzwabdvlipnof8 t0zhpwcrx 7 KDf '-O-| sed-rn/.*确认=([0-9A-Za-z_]).*/1/p ')id=1u 5 hcrpzwabdvlipnof8 t0zhpwcrx 7 KDF '-O $ VGG _ FILErm-射频/tmp/cookie。txt保存后退出，以上命令会将预训练的模型vgg19权重以及训练数据集下载并保存到其对应目录下。在笔记本中运行：bashdownload _ staffs.sh

至此即完成所有准备工作，运行如下代码就可以对模型进行训练了：py阶段列车-数据列车-纪元101-初始_纪元1动画的训练过程如下图所示：

当进行测试时，我们需要将用于测试的图片保存到数据集/测试/真实目录下，并运行如下代码：py-检查点_目录检查点/保存的模型-测试_目录数据集/测试/真实样式_名称

当看到以上输出说明程序已经成功运行完成，生成结果保存在结果文件夹下。可以看到，在P100图形处理器上生成一幅图片需要大约2.3秒左右。整体而言，运行速度还是比较快的，这么好玩的项目，你不来试下吗？