Anime InPainting
1.0.0
英語| 中文版介紹
2019.3.27更新：
我們最新的繪圖方法PI-REC更強大。
看看它，我相信這不會讓您失望。
這是一個優化的應用程序工具，它具有基於Opencv前端，其後端使用的邊緣連接。確保您已經閱讀了他們的出色工作和許可證。與原始工作相比，該項目有這樣的改進：
config.yml中添加configs您可以在這裡方便地進行令人驚嘆的動漫介紹。
並發布了詳細的培訓手冊。您現在可以平穩地訓練自己的數據集。
1.0 （不支持0.4 ）pip install -r requirements.txt我想運行該工具！冷靜下來並遵循這樣的步驟：
信息：在動漫面部數據集上對以下權重文件進行培訓，該數據集在整個動漫角色上表現不佳。
.7z並將其放在您的根目錄下。因此，請確保您現在的路徑是： ./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。您可以運行任何受過良好訓練的模型，不僅超過了一個。您可以從原始工作邊緣連接下載更多模型權重文件。然後，您可以按照上述運行該工具。只有一件事要小心：與邊緣連接中的配置相比，該項目中的
config.yml具有一些其他選項。
有關詳細的手冊，請參閱您的terminal打印或tool_patch.py中的__doc__ 。
以下是簡化的工具操作手冊：
| 鑰匙 | 描述 |
|---|---|
鼠標Left | 要在窗口input中繪製有缺陷的區域並在窗口edge繪製邊緣 |
鼠標Right | 擦除窗戶edge的邊緣 |
鑰匙[ | 使刷子厚度較小 |
鑰匙] | 使刷子厚度更大 |
鑰匙0 | 托多 |
鑰匙1 | 托多 |
鑰匙n | 要修補圖像的黑色部分，只需使用輸入圖像 |
鑰匙e | 要修補圖像的黑色部分，請使用輸入映像和編輯邊緣（僅在邊緣窗口下工作） |
鍵r | 重置設置 |
鑰匙s | 為了保存輸出 |
鑰匙q | 退出 |
單擊此處 - >獨自培訓手冊
2019.3.27更新：
我們的最新模型pi-rec更強大。
如果你想用最新的ai繪畫黑科技，而非僅僅是修補圖像，請點擊上面的鏈接？
工具效果看上面？ | bilibili視頻教程：做
這是圖像修補方向最新研究成果邊緣連接的阿姆斯特朗氮氣加速魔改（（優化）版。版。版。版。寫了個前端部分，後端是，邊緣連接，方便當作工具使用。，去馬賽克Opencv去馬賽克……同樣優化了模型訓練的過程。具體優化內容請看英文版改進。
更新：訓練手冊已經填坑完發布了！你可以照著指南訓練自己數據集了〜
1.0 （ 0.4會報錯）config.yml中的DEVICE ） pip install -r requirements.txt教練！我有個大膽的想法？ ……別急，一步步來：：
注意：以下模型是在動漫頭像數據集上訓練的，所以對動漫全身大圖修補效果一般，想自己再訓練的參考下面的訓練指南
.7z放到你的根目錄下。 確保你的目錄現在是這樣： ./model/getchu/<xxxxx.pth>./model/getchu/config.ymlpython tool_patch.py --path model/getchu/python tool_patch.py --edge --path model/getchu/python tool_patch.py -hPS。 你也能用工具跑別的任何模型，在這裡下載原作更多模型邊緣連接。 文件組織方式參考上面，其餘運行命令都一樣。唯一注意的是這個項目的
config.yml比原作的多了幾個選項
詳細內容請翻看控制台的打印內容，或查看tool_patch.py裡的__doc__
簡略版工具：：
| 按鍵 | 說明 |
|---|---|
| 鼠標左鍵 | 輸入窗口：畫出瑕疵區域的遮蓋，邊緣：手動畫邊緣：手動畫邊緣 |
| 鼠標右鍵 | 邊緣：橡皮擦 |
按鍵[ | （筆刷變細） |
按鍵] | 筆刷變粗 |
按鍵0 | 托多 |
按鍵1 | 托多 |
n | 修補黑色塗抹區域，只使用一張輸入圖片 |
按鍵e | 修補黑色塗抹區域，（邊緣） |
r | 全部重置 |
s | 保存輸出圖片 |
按鍵q | 退出 |
訓練指南->閱讀
根據創意共享歸因於非商業4.0國際許可。
除非另有說明，否則此內容是根據CC BY-NC許可發布的，這意味著您可以在內容上複製，混音，轉換和構建，只要您不將材料用於商業目的並提供適當的信用並提供了鏈接。
如果您使用此代碼進行研究，請引用我們的論文edgeconnect：與對抗邊緣學習的生成圖像：
@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},
}
