Anime2Sketch

Anime2sketch

Anime2Sketch: Ekstraktor Sketsa untuk Ilustrasi, Seni Anime, Manga

Oleh Xiaoyu Xiang

Pembaruan

• 2022.1.14: Tambahkan Lingkungan Docker oleh Kitoria
• 2021.12.25: Perbarui readme. Selamat natal!
• 2021.5.24: Memperbaiki kesalahan interpolasi dan kesalahan inferensi GPU.
• 2021.5.12: Demo Web oleh AK391
• 2021.5.2: Unggah lebih banyak contoh hasil video anime.
• 2021.4.30: Unggah skrip pengujian. Sekarang repo kami siap berjalan!
• 2021.4.11: Unggah bobot pretrained, dan lebih banyak hasil tes.
• 2021.4.8: Buat repo.

Perkenalan

Repositori berisi kode pengujian dan bobot pretrained untuk anime2sketch.

Anime2Sketch adalah ekstraktor sketsa yang bekerja dengan baik pada ilustrasi, seni anime, dan manga. Ini adalah aplikasi berdasarkan kertas "adaptasi domain terbuka permusuhan untuk sintesis sketsa-ke-foto".

Prasyarat

• Linux, MacOS, Docker
• Python 3 (merekomendasikan untuk menggunakan Anaconda)
• CPU atau NVIDIA GPU + CUDA CUDNN
• Bantal, Pytorch

Mulai

Instalasi

Instal Paket yang Diperlukan: pip install -r requirements.txt

Unduh bobot pretrained

Silakan unduh bobot dari GoogledRive, dan masukkan ke dalam bobot/ folder.

Kami juga memiliki versi model yang bebas artefak yang berfungsi dengan gambar kontras gelap / rendah. Anda dapat mengunduh bobot dari GoogledRive, dan memasukkannya ke dalam bobot/ folder.

Tes

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

Perintah di atas mencakup tiga argumen:

• DATAROOT: File atau direktori uji Anda
• Load_Size: Karena batas memori, kita perlu mengubah ukuran gambar input sebelum diproses. Secara default, kami mengubah ukurannya menjadi 512x512 .
• output_dir: jalur direktori output

Jalankan contoh kami:

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

Buruh pelabuhan

Jika Anda ingin menjalankan di Docker, Anda dapat dengan mudah melakukannya dengan menyesuaikan direktori Input/Output Images.
Bangun gambar Docker

make docker-build

Mengatur Direktori Input/Output
Anda dapat menyesuaikan volume pemasangan untuk gambar input/output oleh Makefile. Harap mengatur direktori target Anda.

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

contoh:

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

Berlari

make docker-run

Jika Anda ingin menjalankan CPU saja , Anda harus memperbaiki dua hal (menghapus opsi GPU).

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

Kereta

Proyek ini adalah sub-cabang dari Aoda. Silakan periksa untuk instruksi pelatihan.

Lebih banyak hasil

Model kami bekerja dengan baik pada seni ilustrasi: Putar foto tangan untuk membersihkan lineart: Sederhanakan Sketsa Freehand: Dan lebih banyak hasil anime:

Kontak

Xiaoyu Xiang.

Anda juga dapat meninggalkan pertanyaan Anda sebagai masalah di repositori. Saya akan dengan senang hati menjawabnya!

Lisensi

Proyek ini dirilis di bawah lisensi MIT.

Kutipan

 @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 }
}