Anime2Sketch

anime2sketch

anime2sketch: مستخرج رسم للتوضيح ، فن الأنيمي ، المانجا

بواسطة Xiaoyu Xiang

التحديثات

• 2022.1.14: إضافة بيئة Docker بواسطة Kitoria
• 2021.12.25: تحديث ReadMe. عيد ميلاد مجيد!
• 2021.5.24: إصلاح خطأ الاستيفاء وخطأ استنتاج GPU.
• 2021.5.12: تجريبي الويب بواسطة AK391
• 2021.5.2: قم بتحميل المزيد من مثال نتائج فيديو أنيمي.
• 2021.4.30: تحميل نصوص الاختبار. الآن ريبو لدينا جاهز للركض!
• 2021.4.11: تحميل الأوزان المسبقة ، والمزيد من نتائج الاختبار.
• 2021.4.8: إنشاء الريبو.

مقدمة

يحتوي المستودع على رموز الاختبار والأوزان المسبقة لـ anime2sketch.

Anime2Sketch هو مستخرج رسم يعمل بشكل جيد على التوضيح وفن الأنيمي والمانجا. إنه تطبيق يعتمد على الورقة "تكييف المجال المفتوح العددي لتوليف الرسم إلى الفوتو".

المتطلبات الأساسية

• Linux ، Macos ، Docker
• بيثون 3 (أوصي باستخدام Anaconda)
• وحدة المعالجة المركزية أو NVIDIA GPU + CUDA CUDNN
• وسادة ، pytorch

ابدأ

تثبيت

قم بتثبيت الحزم المطلوبة: pip install -r requirements.txt

تنزيل الأوزان المسبق

يرجى تنزيل الأوزان من googledrive ، ووضعها في الأوزان/ المجلد.

لدينا أيضًا نسخة خالية من القطع الأثرية من النموذج الذي يعمل مع صور التباين المظلمة / المنخفضة. يمكنك تنزيل الأوزان من GoogleRive ، ووضعها في الأوزان/ المجلد.

امتحان

python3 test.py --dataroot /your_input/dir --load_size 512 --output_dir /your_output/dir

يتضمن الأمر أعلاه ثلاث وسيطات:

• Dataroot: ملف الاختبار أو الدليل الخاص بك
• load_size: نظرًا لحد الذاكرة ، نحتاج إلى تغيير حجم صورة الإدخال قبل المعالجة. بشكل افتراضي ، نقوم بتغيير حجمه إلى 512x512 .
• output_dir: مسار دليل الإخراج

قم بتشغيل مثالنا:

python3 test.py --dataroot test_samples/madoka.jpg --load_size 512 --output_dir results/

عامل ميناء

إذا كنت ترغب في تشغيل Docker ، فيمكنك القيام بذلك بسهولة عن طريق تخصيص دليل إدخال/إخراج صور.
بناء صورة Docker

make docker-build

إعداد دليل الإدخال/الإخراج
يمكنك تخصيص أحجام التثبيت لصور الإدخال/الإخراج عن طريق Makefile. يرجى تعيين الدليل المستهدف الخاص بك.

 docker run -it --rm --gpus all -v `pwd`:/workspace -v {your_input_dir}:/input -v {your_output_dir}:/output anime2sketch

مثال:

 docker run -it --rm --gpus all -v `pwd`:/workspace -v `pwd`/test_samples:/input -v `pwd`/output:/output anime2sketch

يجري

make docker-run

إذا كنت ترغب في تشغيل وحدة المعالجة المركزية فقط ، فستحتاج إلى إصلاح شيئين (إزالة خيارات GPU).

• Dockerfile CMD Line to CMD [ "python", "test.py", "--dataroot", "/input", "--load_size", "512", "--output_dir", "/output" ]
• Line Makefile Docker -Run to docker run -it --rm -v `pwd`:/workspace -v `pwd`/images/input:/input -v `pwd`/images/output:/output anime2sketch

يدرب

هذا المشروع هو فرع فرعي لـ AODA. يرجى التحقق من ذلك للحصول على تعليمات التدريب.

المزيد من النتائج

نموذجنا يعمل بشكل جيد على فنون التوضيح: انعطف عن الصور لتنظيف الخطوط: تبسيط الرسومات الحر: والمزيد من نتائج الأنيمي:

اتصال

Xiaoyu Xiang.

يمكنك أيضًا ترك أسئلتك كمشكلات في المستودع. سأكون سعيدا للإجابة عليهم!

رخصة

يتم إصدار هذا المشروع تحت رخصة معهد ماساتشوستس للتكنولوجيا.

الاستشهادات

 @misc { Anime2Sketch ,
  author = { Xiaoyu Xiang, Ding Liu, Xiao Yang, Yiheng Zhu, Xiaohui Shen } ,
  title = { Anime2Sketch: A Sketch Extractor for Anime Arts with Deep Networks } ,
  year = { 2021 } ,
  publisher = { GitHub } ,
  journal = { GitHub repository } ,
  howpublished = { url{https://github.com/Mukosame/Anime2Sketch} }
}

@inproceedings { xiang2022adversarial ,
  title = { Adversarial Open Domain Adaptation for Sketch-to-Photo Synthesis } ,
  author = { Xiang, Xiaoyu and Liu, Ding and Yang, Xiao and Zhu, Yiheng and Shen, Xiaohui and Allebach, Jan P } ,
  booktitle = { Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision } ,
  year = { 2022 }
}