使用神經(jīng)網(wǎng)絡(luò)對(duì)圖像進(jìn)行卡通化
Cartoonizer項(xiàng)目允許用戶生成其高質(zhì)量圖像的卡通化表示。
?
在咨詢了許多卡通藝術(shù)家并觀察了卡通繪畫行為之后，該研究項(xiàng)目由王新瑞和于進(jìn)澤提出，以從圖像中分別識(shí)別出三種白盒表現(xiàn)形式：
?
表面表示：它包含卡通圖像的光滑表面。
結(jié)構(gòu)表示：是指賽璐style風(fēng)格的工作流程中稀疏的色塊和平坦的全局內(nèi)容。
紋理表示：它可以反映卡通圖像中的高頻紋理，輪廓和細(xì)節(jié)。
??
為了在輸入圖像上獲得卡通效果，如下所示GAN（生成對(duì)抗網(wǎng)絡(luò)）框架用于學(xué)習(xí)提取的表示并將圖像卡通化。
?
代碼可用于使用此研究項(xiàng)目來(lái)實(shí)現(xiàn)圖像的卡通化。
??
一些結(jié)果輸出：
?
??
怎么運(yùn)行的：
如下圖所示，將圖像分解為表面表示，結(jié)構(gòu)表示和紋理表示，并引入了三個(gè)獨(dú)立的模塊來(lái)提取相應(yīng)的表示。
?
提出了一種具有生成器G和兩個(gè)鑒別符Ds和Dt的GAN框架，其中Ds旨在區(qū)分從模型輸出和卡通中提取的表面表示，而Dt用于區(qū)分從輸出和卡通中提取的紋理表示。
?
預(yù)訓(xùn)練的VGG網(wǎng)絡(luò)用于提取高級(jí)特征，并對(duì)提取的結(jié)構(gòu)表示和輸出之間以及輸入照片和輸出之間的全局內(nèi)容施加空間約束。損失函數(shù)中可以調(diào)整每個(gè)組件的權(quán)重，這使用戶可以控制輸出樣式并使模型適應(yīng)各種使用情況。
?
建議的圖像卡通化系統(tǒng)：
?
演示：
該視頻顯示了如何使用神經(jīng)網(wǎng)絡(luò)在東京市的視頻上制作卡通動(dòng)畫濾鏡。
?
完整的研究論文可在此處獲得：
https://systemerrorwang.github.io/White-box-Cartoonization/paper/06791.pdf
?
是否想嘗試此代碼？立即使用以下代碼實(shí)施：
https://github.com/SystemErrorWang/White-box-Cartoonization
▊《圖神經(jīng)網(wǎng)絡(luò)：基礎(chǔ)與前沿》
馬騰飛 編著
梳理圖神經(jīng)網(wǎng)絡(luò)（GNN）領(lǐng)域的經(jīng)典模型
幫助讀者構(gòu)建圖神經(jīng)網(wǎng)絡(luò)知識(shí)體系
厘清重要模型的設(shè)計(jì)思路和技術(shù)細(xì)節(jié)
展現(xiàn)圖神經(jīng)網(wǎng)絡(luò)的研究進(jìn)展
圖神經(jīng)網(wǎng)絡(luò)在推薦系統(tǒng)、生物醫(yī)療、自然語(yǔ)言處理等不同場(chǎng)景的實(shí)踐
圖神經(jīng)網(wǎng)絡(luò)是人工智能領(lǐng)域的一個(gè)新興方向，它不僅迅速得到了學(xué)術(shù)界的廣泛關(guān)注，而且被成功地應(yīng)用在工業(yè)界的多個(gè)領(lǐng)域。
本書介紹了圖神經(jīng)網(wǎng)絡(luò)和圖深度學(xué)習(xí)的基礎(chǔ)知識(shí)和前沿研究，不僅包括它們的發(fā)展歷史和經(jīng)典模型，還包括圖神經(jīng)網(wǎng)絡(luò)在深層網(wǎng)絡(luò)、無(wú)監(jiān)督學(xué)習(xí)、大規(guī)模訓(xùn)練、知識(shí)圖譜推理等方面的前沿研究，以及它們?cè)诓煌I(lǐng)域（如推薦系統(tǒng)、生化醫(yī)療、自然語(yǔ)言處理等）的實(shí)際應(yīng)用。?
本書既可作為人工智能領(lǐng)域研究和開發(fā)人員的技術(shù)參考書，也可作為對(duì)圖上的深度學(xué)習(xí)感興趣的高年級(jí)本科生和研究生的入門書。
（掃碼了解本書詳情）
如果喜歡本文 歡迎?在看丨留言丨分享至朋友圈?三連 ?熱文推薦??
▼點(diǎn)擊閱讀原文，獲取本書詳情~