Anime2Sketch

อะนิเมะ 2Sketch

Anime2Sketch: ตัวแยกภาพร่างสำหรับภาพประกอบอนิเมะศิลปะมังงะ

โดย Xiaoyu Xiang

การอัปเดต

• 2022.1.14: เพิ่มสภาพแวดล้อม Docker โดย Kitoria
• 2021.12.25: อัปเดต readme สุขสันต์วันคริสต์มาส!
• 2021.5.24: แก้ไขข้อผิดพลาดการแก้ไขและข้อผิดพลาดการอนุมาน GPU
• 2021.5.12: การสาธิตเว็บโดย AK391
• 2021.5.2: อัปโหลดตัวอย่างผลลัพธ์เพิ่มเติมของวิดีโออนิเมะ
• 2021.4.30: อัปโหลดสคริปต์ทดสอบ ตอนนี้ repo ของเราพร้อมที่จะเรียกใช้!
• 2021.4.11: อัปโหลดน้ำหนักที่ได้รับการปรับสภาพและผลการทดสอบเพิ่มเติม
• 2021.4.8: สร้าง repo

การแนะนำ

ที่เก็บมีรหัสทดสอบและน้ำหนักที่ได้รับการปรับแต่งสำหรับอะนิเมะ 2Sketch

Anime2Sketch เป็นตัวแยกร่างที่ทำงานได้ดีในภาพประกอบศิลปะอนิเมะและมังงะ มันเป็นแอปพลิเคชั่นที่อิงจากกระดาษ

ข้อกำหนดเบื้องต้น

• Linux, MacOS, Docker
• Python 3 (แนะนำให้ใช้ Anaconda)
• CPU หรือ NVIDIA GPU + CUDA CUDNN
• หมอน pytorch

เริ่มต้นใช้งาน

การติดตั้ง

ติดตั้งแพ็คเกจที่ต้องการ: pip install -r requirements.txt

ดาวน์โหลดน้ำหนักที่ปรับสภาพล่วงหน้า

โปรดดาวน์โหลดน้ำหนักจาก GoogleDrive และใส่ลงในน้ำหนัก/ โฟลเดอร์

นอกจากนี้เรายังมีรุ่น ที่ปราศจากสิ่งประดิษฐ์ ซึ่งทำงานกับภาพความคมชัดที่มืด / ต่ำ คุณสามารถดาวน์โหลดน้ำหนักจาก GoogleDrive และใส่ลงในน้ำหนัก/ โฟลเดอร์

ทดสอบ

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

คำสั่งด้านบนมีสามข้อโต้แย้ง:

• DataRoot: ไฟล์ทดสอบหรือไดเรกทอรีของคุณ
• LOAD_SIZE: เนื่องจากขีด จำกัด ของหน่วยความจำเราจำเป็นต้องปรับขนาดภาพอินพุตก่อนการประมวลผล โดยค่าเริ่มต้นเราปรับขนาดเป็น 512x512
• output_dir: เส้นทางของไดเร็กทอรีเอาต์พุต

เรียกใช้ตัวอย่างของเรา:

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

นักเทียบท่า

หากคุณต้องการทำงานบน Docker คุณสามารถทำได้โดยการปรับแต่งไดเรกทอรีภาพอินพุต/เอาต์พุต
สร้างภาพนักเทียบท่า

make docker-build

การตั้งค่าไดเรกทอรีอินพุต/เอาต์พุต
คุณสามารถปรับแต่งโวลุ่มเมาท์สำหรับรูปภาพอินพุต/เอาต์พุตโดย MakeFile โปรดตั้งค่าไดเรกทอรีเป้าหมายของคุณ

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

ตัวอย่าง:

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

วิ่ง

make docker-run

หากคุณต้องการเรียกใช้ CPU เท่านั้น คุณจะต้องแก้ไขสองสิ่ง (ลบตัวเลือก GPU)

• DockerFile CMD บรรทัดไปที่ CMD [ "python", "test.py", "--dataroot", "/input", "--load_size", "512", "--output_dir", "/output" ]
• MakeFile Docker -run line to docker run -it --rm -v `pwd`:/workspace -v `pwd`/images/input:/input -v `pwd`/images/output:/output anime2sketch

รถไฟ

โครงการนี้เป็นสาขาย่อยของ AODA โปรดตรวจสอบคำแนะนำการฝึกอบรม

ผลลัพธ์เพิ่มเติม

แบบจำลองของเราทำงานได้ดีกับภาพประกอบศิลปะ: เปลี่ยนรูปถ่ายมือเพื่อทำความสะอาด linearts: ทำให้ภาพร่างมือเปล่าง่ายขึ้น: และผลลัพธ์ของอนิเมะมากขึ้น:

ติดต่อ

Xiaoyu Xiang

นอกจากนี้คุณยังสามารถทิ้งคำถามของคุณเป็นปัญหาในที่เก็บ ฉันยินดีที่จะตอบพวกเขา!

ใบอนุญาต

โครงการนี้เปิดตัวภายใต้ใบอนุญาต MIT

การอ้างอิง

 @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 }
}