个人卡通形象生成器-强烈安利试试这个！特效爆炸的漫画变AI，火爆服务器数次被压垮

金磊的浓郁色彩来自奥飞寺

量子比特报告| 公众号QbitAI

“1241人排队，等待2600秒……”

——今年的网友们为了在动漫中一睹自己的风采，真是辛苦了！

“发起者”是一个可以将肖像变成动画的生成器。

只需一张图片或一段视频，无论男女老幼、明星还是素人都可以看到自己的“动漫风格”~

什么“国民老婆”王冰冰：

什么“国民妹妹”IU：

什么科技圈大佬，EDG成员，金发美女，荣荣……

头发、眉毛，甚至眼睛里的情绪，都为你“画像”……

△ 视频效果

难怪网友们挤爆了服务器。

随意翻看大家的作品，简直是深不可测。

看看GitHub上的相关项目，果然冲到了趋势榜前列。

这个 AnimeGAN 真的太棒了！

如何捏自己的动漫脸？

看完展示效果，你是不是也想打造属于自己的专属漫画脸呢？

这是可以做到的，现在我就教大家怎么做。

第一种方法非常非常简单，只需要上传照片即可。

提供在线游戏的网站（见文末链接）就是大名鼎鼎的Hugging Face。

它专门设置了一个在线AnimeGANv2应用程序卡通形象，只需将图片“扔”进去即可。

但！ ！ ！

前面说了，这个AI现在确实太流行了，简单的在线方式就相当于排队。

这不，等了5259秒，前面还有15个人……

如果我不想排队怎么办？

接下来就是第二种方法——上代码了！

热心网友等了3小时终于忍无可忍，强烈安利Colab版（见文末链接）：

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，如果你想增加难度和挑战，AnimeGANv2的GitHub项目也可以：

上述方法均采用图像转换。 如果想使用视频，在AnimeGANv2项目中执行以下两条命令就可以了：

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~

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-解码器网络个人卡通形象生成器，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，具有 1×1 内核的最后一个卷积层不使用归一化层，后面是 tanh 非线性激活函数。

上图中卡通形象，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值用于设置特征图尺寸的插值方式，⊕表示逐元素相加。

此次的V2版本是在第一代AnimeGAN基础上的升级，主要解决模型生成的图像中出现高频伪影的问题。

具体来说个人卡通形象生成器，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。

作者认为，层归一化可以使特征图中不同通道具有相同的特征属性分布，可以有效防止局部噪声的产生。

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。

它们都使用大致相同的判别器，区别在于 AnimeGANv2 使用层归一化而不是实例归一化。

网友：我很美

这个AI也算是圈粉了。

有网友“冲进二次元”后，发现了她们惊人的美貌：

它让我变得美丽！

并非常自豪地晒出了自己的漫画脸。

看到比尔盖茨的效果后，有网友直呼：

天空！ 盖茨看起来聪明又性感。