“排隊(duì) 1241 人，等待 2600 秒……”
—— 這屆網(wǎng)友為了看一眼自己在動(dòng)漫里的樣子，可真是拼了。
“始作俑者”是一款可以把人像變動(dòng)漫的生成器。
只需一張圖片或一段視頻，無(wú)論男女老少、明星素人都可以一睹自己的“動(dòng)漫風(fēng)采”～
什么“國(guó)民老婆”王冰冰：
什么“國(guó)民妹妹”IU：
什么科技圈大佬、EDG 成員、金發(fā)美女、容嬤嬤……
發(fā)絲、眉宇，甚至眼神里流露出來(lái)的情緒，都給你“描繪”得淋漓盡致……
▲ 視頻效果
這也難怪網(wǎng)友把服務(wù)器都給擠爆了。
隨便翻翻大家的作品，簡(jiǎn)直是深不見(jiàn)底。
再看看 GitHub 上的相關(guān)項(xiàng)目，果然也沖上了趨勢(shì)榜第一名。
這個(gè) AnimeGAN，真是厲害了！
如何給自己捏一個(gè)動(dòng)漫臉？
看完展示的效果，你是不是也想打造一個(gè)自己專屬的漫畫臉了呢？
這個(gè)可以有，現(xiàn)在就手把手教你。
第一種方法就 very very 簡(jiǎn)單了，只需要上傳一張照片就可以。
提供在線玩法的網(wǎng)站（鏈接見(jiàn)文末），就是那個(gè)著名的抱抱臉 （Hugging Face）。
它專門開設(shè)了一個(gè)在線 AnimeGANv2 的 App，直接把圖片“丟”進(jìn)去就好。
BUT?。?！
也正如剛才提到的，現(xiàn)在這個(gè) AI 著實(shí)有點(diǎn)太火了，簡(jiǎn)單的在線方法，就等同于排大隊(duì)。
這不，等了 5259 秒之后，前面還有 15 人……
如果不想排隊(duì)怎么辦？
接下來(lái)，就是第二種方法了 —— 上代碼！
熱心網(wǎng)友在苦等了 3 小時(shí)之后，終于還是忍不住了，強(qiáng)烈安利 Colab 版本（鏈接見(jiàn)文末）：
先運(yùn)行一下文檔里的前兩段代碼，然后只需要簡(jiǎn)單修改照片路徑即可。
當(dāng)然，如果想加大難度挑戰(zhàn)一下，AnimeGANv2 的 GitHub 項(xiàng)目也是有的哈：
以上介紹的方法都是用圖片轉(zhuǎn)換，如果你想用視頻的話，在 AnimeGANv2 項(xiàng)目中執(zhí)行下面這兩條命令就 OK：
當(dāng)然，該項(xiàng)目的 Pytorch 實(shí)現(xiàn)也有，不過(guò) Pytorch 版本目前只支持圖片轉(zhuǎn)換；如果想轉(zhuǎn)視頻，暫時(shí)就需要你自己寫個(gè)腳本了～
風(fēng)格遷移 + GAN
那么，如此效果的背后，到底是用了什么原理呢？
AnimeGAN 是來(lái)自武漢大學(xué)和湖北工業(yè)大學(xué)的一項(xiàng)研究，采用的是神經(jīng)風(fēng)格遷移 + 生成對(duì)抗網(wǎng)絡(luò)（GAN）的組合。
它其實(shí)是基于 CartoonGAN 的改進(jìn)，并提出了一個(gè)更加輕量級(jí)的生成器架構(gòu)。
AnimeGAN 的生成器可以視作一個(gè)對(duì)稱的編碼器-解碼器網(wǎng)絡(luò)，由標(biāo)準(zhǔn)卷積、深度可分離卷積、反向殘差塊、上采樣和下采樣模塊組成。
為了有效減少生成器的參數(shù)數(shù)量，AnimeGAN 的網(wǎng)絡(luò)中使用了 8 個(gè)連續(xù)且相同的 IRB（inverted residual blocks）。
在生成器中，具有 1×1 卷積核的最后一個(gè)卷積層不使用歸一化層，跟隨其后的是 tanh 非線性激活函數(shù)。
上圖中，K 為內(nèi)核大小，C 為特征圖數(shù)量，S 為每個(gè)卷積層的跨度，H 是特征圖的高度，W 是特征圖的寬度，Resize 值用于設(shè)置特征圖大小的插值方法，⊕表示逐元素加法。
而此次的 V2 版本，是基于第一代 AnimeGAN 的升級(jí)，主要解決了模型生成的圖像中存在高頻偽影的問(wèn)題。
具體而言，所采取的措施是使用特征的層歸一化（layer normalization），來(lái)防止網(wǎng)絡(luò)在生成的圖像中產(chǎn)生高頻偽影。
作者認(rèn)為，層歸一化可以使 feature map 中的不同通道，具有相同的特征屬性分布，可以有效地防止局部噪聲的產(chǎn)生。
AnimeGANv2 的生成器參數(shù)大小為 8.6MB，而 AnimeGAN 的生成器參數(shù)大小為 15.8MB。
它倆使用的鑒別器大致相同，區(qū)別在于 AnimeGANv2 使用的是層歸一化，而不是實(shí)例歸一化（instance normalization）。
網(wǎng)友：我變漂亮了
這個(gè) AI 可算是圈了一眾粉絲。
有些網(wǎng)友“沖進(jìn)二次元”之后，發(fā)現(xiàn)了自己驚人的美貌：
它把我變漂亮了！
而且非常驕傲的曬出了自己的漫畫臉。
還有網(wǎng)友看完比爾蓋茨的效果之后，直呼：
天！蓋茨看起來(lái)聰明又性感。
就連新海誠(chéng)導(dǎo)演都曾轉(zhuǎn)發(fā)過(guò) AnimeGAN 的作品呢。
One More Thing
最后，大家上手之前一定要注意，雖然 AnimeGAN 展示的效果都是比較好的，但這有一個(gè)大前提：
照片一定要高清、五官盡量要清晰！
不然畫風(fēng)可能就會(huì)變得詭異（作者親測(cè)，欲哭無(wú)淚）……
那么，你在漫畫里是什么樣子？
快去試試吧~
在線 Demo：
https://huggingface.co/spaces/akhaliq/AnimeGANv2
Colab 版本：
https://colab.research.google.com/drive/1jCqcKekdtKzW7cxiw_bjbbfLsPh-dEds?usp=sharing#scrollTo=niSP_i7FVC3c
GitHub 地址：
https://github.com/TachibanaYoshino/AnimeGANv2
https://github.com/bryandlee/animegan2-pytorch
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。