这一代——的网友们为了在动漫中一睹自己的风采，真是辛苦了！“原创”是一个可以将肖像变成动画的生成器。只需一张图片或一个视频，男女老少、明星素人都可以一睹他们的“动漫风采”~“国民老婆”王冰冰呢：什么“国民妹妹”IU：科技大亨、EDG成员、金发美女、容奶奶……头发、眉毛，甚至眼神所流露的情绪，都被你“描绘”得惟妙惟肖……视频效果难怪网友们把服务器挤得水泄不通。如果光看大家的作品，几乎是深不可测。查看GitHub上的相关项目，确实已经登上了趋势榜的榜首。这个AnimeGAN真的太棒了！如何给自己捏一个动漫脸？看到展示的效果后，你是否也想制作自己的漫画脸呢？这是可以的，我现在就一步步教你。第一种方法很简单，只需要上传照片即可。提供在线游戏（链接在文末）的网站就是大名鼎鼎的HuggingFace。它专门开通了一个在线AnimeGANv2App，你可以直接把图片“扔”进去。但！刚才也说了，这个AI现在确实有点太流行了。简单的网上方式就相当于排队。这不，等了5259秒，前面还有15个人……如果我不想排队怎么办？接下来是第二种方法——代码！等待了3个小时，热心网友终于按耐不住，拿出了强力安利Colab版本（链接在文末）：先运行文档中的前两段代码，然后简单修改照片路径即可。当然，如果你想增加挑战难度，AnimeGANv2的GitHub项目也可以：上面介绍的方法都是使用图像转换。如果想使用视频，只需在AnimeGANv2项目中执行以下两条命令即可：当然，这个项目也有Pytorch实现，但是Pytorch版本目前只支持图像转换；如果要转换视频，暂时需要自己写脚本啦~风格迁移+GAN那么，这样的效果背后的原理是什么呢？AnimeGAN是武汉大学和湖北工业大学的一项研究，采用神经风格迁移+生成对抗网络（GAN）的组合。它实际上是基于CartoonGAN的改进，提出了更轻量级的生成器架构。AnimeGAN的生成器可以看作是一个对称的编码器-解码器网络，由标准卷积、深度可分离卷积、反向残差块、上采样和下采样模块组成。为了有效减少生成器的参数数量，AnimeGAN网络中使用了8个连续且相同的IRB（反转残差块）。在生成器中，最后一个具有11卷积核的卷积层不使用归一化层，后面是tanh非线性激活函数。上图中，K为内核大小，C为特征图数量，S为每个卷积层的跨度，H为特征图高度，W为特征图宽度，Resize值用于设置特征图大小的插值方法。表示按元素相加。该V2版本基于第一代AnimeGAN的升级，主要解决模型生成的图像中高频伪影的问题。具体来说，采取的措施是使用特征的层归一化来防止网络在生成的图像中产生高频伪影。AnimeGANv2的生成器参数大小为8.6MB，而AnimeGAN的生成器参数大小为15.8MB。他们使用的判别器大致相同，不同的是AnimeGANv2使用层归一化而不是实例归一化。网友：我变漂亮了这个AI吸引了很多粉丝。有网友在“闯二次元”后发现了她们的惊人美貌：它让我变得美丽！他还非常自豪地展示了自己的卡通脸。看到比尔盖茨的效果后，有网友惊呼：天空！盖茨看起来聪明又性感。AnimeGAN的原创作者共有三位，分别是湖北工业大学刘刚副教授和陈杰博士，以及他们的学生陈鑫。这个项目的诞生主要源于团队成员的个人兴趣，即对2D宅男文化艺术的热爱。这包括硬件资源的极度缺乏。比如当时AnimeGAN使用的NVIDIA单卡服务器是艺术设计学院院长饶健教授提供的，而他负责的研究也是靠借其他同学的机器来跑实验。到了AnimeGANv2的时候，就只剩下一台单卡2080ti服务器可以使用了。然而，所有的努力都白费了。现在AnimeGAN已经受到了很多人的关注和喜爱，这让陈老师和他的导师团队感到了极大的成就感。然而，这个由爱好驱动的科学研究项目不仅仅是为了好玩。在我们与团队的沟通中，他们表示：主要目标是以学术论文为里程碑，最大的期望是该项目能够落实到实际应用中。接下来，AnimeGANv3即将推出。然后它将使用更小的网络大小，可能减少到只有4M左右；同时，它会解决AnimeGANv2的一些缺点（例如v2保留了太多原始图像的细节），使得生成的动画效果的质量会更高。这也意味着AnimeGANv3将具备商业化的能力。AnimeGANv3完成后，他们将继续优化从人脸到动画的算法。OneMoreThing最后大家在上手之前一定要注意。虽然AnimeGAN展示的效果比较好，但是有一个大前提：照片一定要高清，五官尽量清晰！不然画风可能会变得怪异（作者亲自测试，有欲哭无泪的感觉）……那么，漫画中的你长什么样呢？快去尝试一下吧~在线演示：https://huggingface.co/spaces/akhaliq/AnimeGANv2合作实验室版本：https://colab.research.google.com/drive/1jCqcKekdtKzW7cxiw_bjbbfLsPh-dEds?usp=sharing#scrollTo=niSP_i7FVC3cGitHub地址：https://github.com/TachibanaYoshino/AnimeGANv2https://github.com/bryandlee/animegan2-pytorch参考链接：[1]https://www.reddit.com/r/MachineLearning/comments/qo4kp8/r_p_animeganv2_face_portrait_v2/[2]https://user-images.githubusercontent.com/26464535/137619176-59620b59-4e20-4d98-9559-a424f86b7f24.jpg[3]https://twitter。com/chriswolfvision/status/1457489986933170179-超过-量子比特QbitAI·今日头条签约