夏乙 安妮 编译整理 量子位 出品 | 公众号 QbitAI 给喜欢的动漫形象建个了收藏夹,里面收集她的各种图片……懂,谁没几个喜欢的动漫萌妹呢。 一些手绘线稿也很可爱,但黑白配色总会略显单调。 △
真正值得的东西从来不会轻易得到 测试图片如下 作者:叶庭云 来源: 修炼Python 一.生成线稿 图像手绘效果的特征:黑白灰色、边界线条较重、相同或相近色彩趋于白色、略有光源效果。手绘风格是在对图像进行灰度化的基础上由立体效果和明暗效果叠加而成的,灰度实际代表了图像的明暗变化,而梯度表示的灰度的变化率。所以可以通过调整像素的梯度值来间接改变图像的明暗程度,立体效果则通过添加虚拟深度值来实现。 图像手绘效果实现的 Python 代码如下: 结果如下: 二.自动上色 在 Adobe 的 Se
还记得那个给本子上色的Style2paints吗?这是目前最好的线稿上色AI工具,没有之一。
机器学习作为一个领域,正在以极快的速度发展。Github是全世界都在关注的白板。高质量的代码定期发布在无限的智慧板上。
尽管我们可能无法从头开始构建自己的机器学习模型,但是类似于Runway ML和Joel Simon即将推出的Artbreeder等新兴工具的出现使得每个人都可以借用开源的机器学习模型进行艺术创作。
当我们谈到「上色」时,在人工智能语境里这意味着将线稿的风格转换为彩色漫画风格,其重要之处在于:
机器学习领域正在飞速发展。GitHub 是一张举世瞩目的白板,高质量的代码通常被发布在这张充满智慧的无限大白板上。
IT派 - {技术青年圈} 持续关注互联网、大数据、人工智能领域 由于档期限制,我们经常会看到动画由于制作时间紧张而出现作画崩坏的情况。来自苏州大学的研究者们提出的 Style2paints 或许可以帮助我们缓解这样的情况,这种工具可以使用 AI 技术为黑白线稿快速自动上色。在最近推出的 2.0 版中,研究人员使用了完全无监督的生成对抗网络(GAN)训练方法大幅提高了上色的准确性。Style2paints 的作者表示,该工具在精细度、漫画风格转换等方面超越了目前其他所有工具。 GitHub 链接:htt
机器之心报道 参与:蒋思源、李泽南 由于档期限制,我们经常会看到动画由于制作时间紧张而出现作画崩坏的情况。来自苏州大学的研究者们提出的 Style2paints 或许可以帮助我们缓解这样的情况,这种工具可以使用 AI 技术为黑白线稿快速自动上色。在最近推出的 2.0 版中,研究人员使用了完全无监督的生成对抗网络(GAN)训练方法大幅提高了上色的准确性。Style2paints 的作者表示,该工具在精细度、漫画风格转换等方面超越了目前其他所有工具。 GitHub 链接:https://github.com/l
GitHub地址:https://github.com/wb14123/seq2seq-couplet
机器学习作为一个领域,正以惊人的速度发展。Github 是全世界开发者都在关注的网站,最高质量的代码被定期发布在这里。
这只AI,名字叫做style2paintV4。它在GitHub摘下了一万颗星,并登上了趋势榜。
https://github.com/ageitgey/face_recognition
目录: 1 AlphaZero-Gomoku 2 OpenPose 3 Face Recognition 4 Magenta 5 YOLOv2 6 MUSE 7 Arnold 8 FoolNLTK 9 Gym 10 style2paints v2.0 1 AlphaZero-Gomoku 用Alpha元下五子棋 项目链接:https://github.com/junxiaosong/AlphaZero_Gomoku 这个项目使用Alpha元算法,通过自训练实现玩五子棋。由于五子棋相比围棋或国际象棋简单得多,
该项目构建了世界上最简单的人脸识别工具,我们可以直接通过 Pyhon API 或者命令行来调用人脸识别程序。该工具使用了dlib 最先进的人脸识别算法,该算法在 Wild 人脸数据集上取得了 99.38% 的准确率。
关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第一 【Python】:排名第三 【算法】:排名第四 目录: AlphaZero-Gomoku OpenPose Face Rec
前两天在 GitHub Trending 上看到个利用 AI 自动给图片上色的项目(style2paints)火起来了。
对于程序员而言,Github无疑是一个巨大的宝库,其全球注册用户超过3100万,仓库数量突破一个亿。(2018年年底统计数据)
大师级作品、或是摄影海报,只需要拿过来「扫描」一下,就能分解出纯色层、阴影层和反射层。
4月15号《权力的游戏》第八季开播啦!从第一季开始,就有同学告诉小编“永远猜不出来主角是谁,你以为他是主角?不好意思,下集就领便当了” 。
萧箫 发自 凹非寺 量子位 | 公众号 QbitAI 给画画AI加个buff,画起图像就像开了挂。 加个人体骨骼绑定buff,Stable Diffusion直接快进到生成3D动漫: 加个抽象到爆的草图buff,AI变着风格生成“完全一致”的狗子: 就连号称“AI杀手”的手部细节,也能在控制之下画得惟妙惟肖: 这个名叫ControlNet的新AI插件,可以说是给画画AI来了最后的“临门一脚”—— 原本AI无法控制的手部细节、整体架构,有了它之后,加上Stable Diffusion这样的扩散模型,足以
今天我们将继续介绍 GitHub 上 9 月份最受欢迎的 11 个开源项目,在这些项目中,你有在用或用过哪些呢? 1 tensorflow https://github.com/tensorflow/tensorflow Stars 68835 TensorFlow 是谷歌的第二代机器学习系统,按照谷歌所说,在某些基准测试中,TensorFlow 的表现比第一代的 DistBelief 快了 2 倍。TensorFlow 内建深度学习的扩展支持,任何能够用计算流图形来表达的计算,都可以使用 TensorF
选自Mybridge 机器之心编译 参与:李泽南 2017 年里哪些机器学习项目最受人关注?Mybridge 为我们整理了一份 Top 30 列表,以下所有项目均附有 GitHub 链接。 我们对比了近 8800 个开原机器学习项目,并挑选了其中最好的 30 个列举于此。这是一个非常具有竞争力的列表,其中包含 2017 年 1 月-12 月份开源的各类优秀机器学习库、数据集和应用。Mybridge AI 通过流行度、参与度和新鲜程度来对它们进行评级。先给你一个直观印象:它们的 GitHub 平均 stars
电影《哪吒之魔童降世》自 7 月 26 日上映以来,一直在刷新动画电影的票房纪录。截止目前,19 天里全网票房突破 36 亿,观影人数超过 1 亿!成为了首部观影人数破亿的动画电影。
机器学习作为一个领域,正以惊人的速度发展。Github是全世界都在关注的白板。高质量的代码被定期张贴在那无限的智慧板上。
预览视频: 项目主页: lllyasviel/style2paints(https://github.com/lllyasviel/style2paints) 这里做一个简单的示范,为了防止线稿的主观
当这班工程师把 “魔爪” 伸向艺术家们擅长的绘画领域时,有趣的事情发生了,他们发现一些艺术家们引以为豪的图像绘制、色块填充、图层修补等技巧都能轻而易举的通过 AI 完成。
不知道 AI 在你那边是什么样的具象,在我这就是各种搞图:从给线稿图上色,到直接给你生成一张小色图,AI 最近是真出风头,本周热点速览也收录了 2 个 AI 项目,也和图像有关。还有一个和 AI 相关的,进行 panda dataframe 的可视化探索。
关于人工智能的项目,相信大家都看过或者用过不少了,但它们的大多数看上去都十分“高大上”,让人感觉要掌握他们犹如习屠龙之术一样。事实上,有很多关于人工智能的项目还是十分实用的,而且用途还十分有趣,下面就简单为大家盘点 10 个功能独特的开源人工智能项目。
最近,Mybridge发布了一篇文章,对比了过去一年中机器学习领域大约8800个开源项目后,选出30个2017年度优秀的开源项目,包含机器学习开源库、数据库以及其他应用程序,这些项目差不多都是在2017年1-12月发布。Mybridge AI通过受欢迎度、参与度以及其他方面对开源项目进行评定。 对于机器学习者来说,阅读开源代码并基于代码构建自己的项目,是一个非常有效的学习方法。看看以下这些Github上平均star为3558的开源项目,你错了哪些? 在开始之前,先推荐阅读 A. 神经网络:深度学习 A-
大数据文摘作品 编译:叶一、Shan LIU、Aileen 2017年是机器学习应用全面开花的一年,惊为天人的想法和项目层出不穷。我们对比了过去一年中近8800个开源机器学习项目,并挑选了其中较好的30个(Top 0.3%)列举于此。 这是一份极具竞争性的列表,它精挑细选了发表于2017年1月-12月份的机器学习库、数据集和应用类的优质项目。我们通过流行度、参与度和时近性来对其质量进行评级。有一项数据可以让你对表单质量有一个直观印象:这些项目的GitHub平均stars数是3558。 开源项目对于数据科
“ 场主,这篇文章炒鸡棒!内涵许多实战项目,很适合机器学习刚入门的小伙伴磨练来提升自己的技术水平。这些优质的开源项目都来自于GitHub上,排名十分靠前,反正很靠谱。”
推荐 10 个饱受好评且功能独特的开源人工智能项目 关于人工智能的项目,相信大家都看过或者用过不少了,但它们的大多数看上去都十分“高大上”,让人感觉要掌握他们犹如习屠龙之术一样。事实上,有很多关于人工
该文章介绍了如何利用深度学习进行自然语言处理,包括文本分类、命名实体识别、情感分析等任务。文章还探讨了深度学习在语音识别、计算机视觉等领域的应用,并展望了未来的研究方向。
本文介绍了10个功能强大的开源人工智能项目,这些项目分别是:STYLE2Paints、SerpentAI、Synaptic.js、Snake-AI、Uncaptcha、Sockeye、PHP-ML、CycleGAN、DeepLearn.js和TensorFire。这些项目涵盖了机器学习的各个方面,包括图像处理、神经网络框架、游戏AI、自然语言处理等,可以为开发人员提供各种场景下的AI应用。
关于人工智能的项目,相信大家都看过或者用过不少了,但它们的大多数看上去都十分“高大上”,让人感觉要掌握他们犹如习屠龙之术一样。事实上,有很多关于人工智能的项目还是十分实用的,而且用途还十分有趣,下面就
AI UNION 人工智能产业技术创新战略联盟 这里是人工智能联盟,汇聚了最新的AI新闻资讯,还有最前沿的国内外AI开源技术,最具价值的AI创新企业,最具权威的行业导师,和最具实力的创投机构!如果你身处AI圈,那么在这里你不但能找到你最需要的,还能发现你意想不到的。 推荐 10 个饱受好评且功能独特的开源人工智能项目 关于人工智能的项目,相信大家都看过或者用过不少了,但它们的大多数看上去都十分“高大上”,让人感觉要掌握他们犹如习屠龙之术一样。事实上,有很多关于人工智能的项目还是十分实用的,而且用途还十分有趣
关键时刻,第一时间送达! 最近,Mybridge发布了一篇文章,对比了过去一年中机器学习领域大约8800个开源项目后,选出30个2017年度优秀的开源项目,包含机器学习开源库、数据库以及其他应用程序,这些项目差不多都是在2017年1-12月发布。Mybridge AI通过受欢迎度、参与度以及其他方面对开源项目进行评定。 📷 对于机器学习者来说,阅读开源代码并基于代码构建自己的项目,是一个非常有效的学习方法。看看以下这些Github上平均star为3558的开源项目,你错了哪些? 在开始之前,先推荐阅读: A
【导读】关于人工智能的项目,相信大家都看过或者用过不少了,但它们的大多数看上去都十分“高大上”,让人感觉要掌握他们犹如习屠龙之术一样。事实上,有很多关于人工智能的项目还是十分实用的,而且用途还十分有趣,下面就简单为大家盘点 10 个功能独特的开源人工智能项目。 1. STYLE2PAINTS:强大的为线稿上色的 AI https://www.oschina.net/p/style2paints 推荐理由:新一代的强大线稿上色 AI,可根据用户上传的自定义色彩给线稿进行上色。项目提供了在线使用网站,十分方便使
前 言 一个号称目前最快的 Node.js 应用框架横空出世,高度专注于以最少开销和强大的插件架构为开发者提供最佳的体验。 作为开发者,让项目跑得更快一直是坚持不懈的追求。 一个号称是目前最快的 Node.js 应用框架横空出世 1 Fastify:Node.js 的 Web 框架 http://www.oschina.net/p/fastify ☞ 推荐理由:高度专注于以最少开销和强大的插件架构为开发者提供最佳的体验。Fastify 的 API 看上去非常简洁,称得上是支持 async/await 的
Medium上的作者Mybridge从8800个项目中,挑选出了30个GitHub上收获了超多星星的机器学习项目,量子位搬运一下,希望大家学的开心~
本文比较了在过去的一年里8800个开源机器学习项目,并从中选取了前30个制成这份清单。它涵盖了2017年1月和12月之间发布的最佳开源机器学习库,数据集和应用程序。Mybridge AI通过受欢迎程度,参与度和新近度来评估质量(为了让你明白质量好是什么概念,我可以告诉你,它们的Github星的平均数量是3558)。 开源项目对于数据科学家来也很有用。你可以通过阅读源代码进行学习并在现有项目之上构建一些东西。你可以花很多时间来鼓捣你过去一年中可能错过的机器学习项目。在此之前我首先要推荐两个我认为比较好的机器学
本文主要编译于 Github 文章「Getting started with machine learning」(原文链接:https://github.com/collections/machine-learning)。同时, AI 研习社在原文的基础上补充了部分开源项目,为 AI 开发者提供更加详细的 AI 项目和资源。 机器学习是用数据来学习、概括、预测的研究。近几年,随着数据的开发、算法的改进以及硬件计算能力的提升,机器学习技术得以快速发展,不断延伸至新的领域。从模式识别到电子游戏,开发者们通过训练
因为这是从2017年1月至12月期间发布的最佳开源机器学习库、数据集和应用程序里精心挑选出来的。挑选的基数高达8800个。
领取专属 10元无门槛券
手把手带您无忧上云