Anime InPainting
1.0.0
Inglês | 中文版介绍
2019.3.27 Atualização:
Nosso mais recente método de desenho PI-RE é mais poderoso.
Dê uma olhada nisso e tenho certeza de que não o desapontará.
Esta é uma ferramenta de aplicativo otimizada, que possui um front-end baseado no Opencv , cujo back-end usou o Edge-Connect. Certifique -se de ler o trabalho incrível e licenciar completamente. Comparado com o trabalho original, este projeto tem essas melhorias :
config.ymlVocê pode fazer o anime incrível que inclui convenientemente aqui.
E o manual de treinamento detalhado é divulgado. Você pode treinar seu próprio conjunto de dados sem problemas agora.
1.0 ( 0.4 não é suportado)pip install -r requirements.txtEu quero executar a ferramenta! Acalme -se e siga essa etapa:
Informações: Os seguintes arquivos de pesos são treinados no conjunto de dados de face de anime, que não tem desempenho bom em um grande personagem de anime inteiro.
.7z e coloque -o em seu diretório raiz. Portanto, verifique se o seu caminho agora é: ./model/getchu/<xxxxx.pth>./model/getchu/config.yml como desejarpython tool_patch.py --path model/getchu/python tool_patch.py --edge --path model/getchu/python tool_patch.py -hPs. Você pode executar qualquer modelo bem treinado, não apenas acima de um. Você pode baixar mais arquivos de pesos do modelo a partir do trabalho de trabalho original. Então você pode executar a ferramenta como acima. Apenas uma coisa a ter cuidado: o
config.ymlneste projeto tem algumas opções adicionais que a configuração do Edge-Connect.
Para manual detalhado, consulte suas impressões terminal ou __doc__ em tool_patch.py .
Abaixo está o manual de operação da ferramenta simplificado:
| Chave | descrição |
|---|---|
Mouse Left | Para tirar a área defeituosa na input da janela e desenhar a borda na edge da janela |
Mouse Right | Para apagar a borda na edge da janela |
Chave [ | Para tornar a espessura da escova menor |
Chave ] | Para aumentar a espessura do pincel |
Chave 0 | Pendência |
Chave 1 | Pendência |
Chave n | Para consertar a parte preta da imagem, basta usar a imagem de entrada |
Chave e | Para corrigir a parte preta da imagem, use a imagem de entrada e edite a borda (trabalhe apenas na janela da borda aberta) |
Chave r | Para redefinir a configuração |
Chave s | Para salvar a saída |
Chave q | Para sair |
Clique aqui -> Manual de treinamento sozinho
2019.3.27 更新:
我们的最新模型 Pi-Rec 更强大.
如果你想用最新的 ai 绘画黑科技 ， 而非仅仅是修补图像 ， 请点击上面的链接?
Ferramenta 效果看上面? | Bilibili 视频教程 ： ： para fazer
这是图像修补方向最新研究成果 Edge-Connect 的阿姆斯特朗氮气加速魔改（优化） 版。 用 用Opencv写了个前端部分 ， 后端是 CONNECT AGRIDA ， 方便当作工具使用。 此工具可以用来自动图像修补 ， 去马赛克 …… 同样优化了模型训练的过程。具体优化内容请看英文版 Melhorias。
更新: 训练手册已经填坑完发布了！你可以照着指南训练自己数据集了 ~
1.0 ( 0.4会报错)config.yml中的DEVICE ） pip install -r requirements.txt教练！我有个大胆的想法? …… ， 一步步来 一步步来:
注意 ： 以下模型是在动漫头像数据集上训练的 ， 所以对动漫全身大图修补效果一般 ， 想自己再训练的参考下面的训练指南
.7z放到你的根目录下. 确保你的目录现在是这样: ./model/getchu/<xxxxx.pth>./model/getchu/config.yml配置文件python tool_patch.py --path model/getchu/python tool_patch.py --edge --path model/getchu/python tool_patch.py -hPs. 你也能用 Tool 跑别的任何模型 ， 在这里下载原作更多模型 Conga uma conexão de borda. 文件组织方式参考上面 ， 其余运行命令都一样。唯一注意的是这个项目的
config.yml比原作的多了几个选项 ， 报错了的话注意修改。
详细内容请翻看控制台的打印内容 ， 或查看tool_patch.py里的__doc__
简略版 Tool 使用指南:
| 按键 | 说明 |
|---|---|
| 鼠标左键 | Entrada 窗口 ： 画出瑕疵区域的遮盖 ， borda 窗口 ： ： 手动画边缘 |
| 鼠标右键 | Edge 窗口: 橡皮擦 |
按键[ | 笔刷变细 （控制台打印粗细大小) |
按键] | 笔刷变粗 |
按键0 | Pendência |
按键1 | Pendência |
按键n | 修补黑色涂抹区域 ， 只使用一张输入图片 |
按键e | 修补黑色涂抹区域 ， 使用输入图片和边缘图片 （仅当 Edge 窗口启动时有效）） |
按键r | 全部重置 |
按键s | 保存输出图片 |
按键q | 退出 |
训练指南 -> 阅读
Licenciado sob um Creative Commons Attribution-NonCommercial 4.0 International.
Exceto quando observado de outra forma, esse conteúdo é publicado sob uma licença CC BY-NC, o que significa que você pode copiar, remixar, transformar e construir o conteúdo, desde que não use o material para fins comerciais e forneça crédito apropriado e forneça um link para a licença.
Se você usar este código para sua pesquisa, cite nosso artigo Edgeconnect: Imagem generativa que inclui com aprendizado adversário de borda:
@inproceedings{nazeri2019edgeconnect,
title={EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning},
author={Nazeri, Kamyar and Ng, Eric and Joseph, Tony and Qureshi, Faisal and Ebrahimi, Mehran},
journal={arXiv preprint},
year={2019},
}
