首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

二次元图片着色技术路线

二次元图片着色技术路线

1.样本收集以及预处理

2.训练过程

1. 提取人物(去除干扰元素)

2. 提取轮廓(去色),及特征元素(皮肤,眼睛,头发...)

3. 进入编码器(一图变多图)

4. CNN初步生成器训练

5. 生成对抗,获得最优结果

      6.(训练过程:提取边缘,人物轮廓,部分特征(脸,眼睛,耳朵,腿,胳膊等),编码器,深度学习网络(貌似有用GAN等))张老师修改

3. 生成过程

1. 提取人物特征,并抽象为数组

2. 查表确认该人物的着色方案已存在,则使用该方案着色。如果不存在继续。

3. 生成该人物对应的特征着色参数(各特征元素着色方案),并按记录

4. 按方案着色

4.图片着色的技术难点在哪里?预计周期大概多久可以实现?(合伙人必问的两个问题)

技术难点:不同风格的人物轮廓提取要求和方法不同;颜色渐变过度,风格迁移(画风不同)

5.超越或者达到“喵图App”的水平是否能实现?(合伙人必问的两个问题)

喵图可以实现,现有的开源软件,可以试下,应该不会差别太多

6.你么需要什么技术支持或者要求?

要求:等我们先试下,看看效果。前期提供一些素材(线稿图,和上色图)用于训练。最好你们也能把你们掌握的一些资料,做成一个PPT发给我们,我们交流。

开源代码:

1.Paintschainer          https://paintschainer.preferred.tech/index_en.html      https://github.com/pfnet/PaintsChainer.git

              nvidia-docker run --name paintschainer --rm -p 8000:8000 -e PAINTSCHAINER_GPU=1 liamjones/paintschainer-docker

2.Auto-painter            https://arxiv.org/abs/1705.01908

3.style2paints 2.0 style2paints 2.0大部分训练都是纯粹无监督,甚至无条件的。https://arxiv.org/pdf/1706.03319.pdf

https://github.com/lllyasviel/style2paints

4. fast-style-transfer       https://github.com/lengstrom/fast-style-transfer.git

5.  FastPhotoStyle        https://github.com/NVIDIA/FastPhotoStyle.git

6.             https://github.com/pfnet/PaintsChainer.git

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20201022A000VC00?refer=cp_1026
  • 腾讯「腾讯云开发者社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 cloudcommunity@tencent.com 删除。

相关快讯

扫码

添加站长 进交流群

领取专属 10元无门槛券

私享最新 技术干货

扫码加入开发者社群
领券