SketchMan 水记 (线稿增强)

SketchMan 水记 (线稿增强)

https://github.com/LCXCUC/SketchMan2020

https://github.com/jerryli27/pixiv_dataset

https://doi.org/10.1145/3394171.3413720

这篇论文感觉写的不是很专业……

数据集

从pixiv上弄了 2120 张最受欢迎的线稿（可以说是很少了）

获得业余线稿

分成 30 个组，找了 30 个大学生来画了一遍

每张图片都有两种版本，

一种是徒手画图，在一两分钟内概括一下关键部分。眼睛就是椭圆，头发就是随机的稀疏的线。

一种是描图，允许放大描，在6-8分钟内描画。模拟手抖、断断续续、偏移、遗漏之类的。（然而似乎并没有用这个版本）

去背景、上色（用于 线稿→灰度图→线稿）

因为大部分真正的线稿都是没有背景的，为此，作者为图片创建了背景 mask （似乎是根据线稿创建的，没讲清楚）

专业的线稿是很少的，而且大部分都没有对应的上色版，作者使用了 PaintsChainer 和 Style2paint V3 给线稿自动上色（震惊，这么整不太好吧，唉，算了，确实这个也算是没有办法的办法，感觉能体会到作者内心的纠结）

获得区域分割图（用于 线稿→区域→线稿）

在专业线稿上用 SLIC 超像素，得到区域分割图

注意到单次的 SLIC 不能提取出完整的外轮廓，所以分别水平反转、逆时针转 90 度后做 SLIC ，三个结果结果叠起来作为最终结果。

于是我们得到一个干净而且准确的区域分割图。

业余线稿变形（数据增强）

可以通过图像变形[24]得到更多的业余线稿。

模型（试了5种）

结构似乎就是 cGAN，

把业余线稿作为条件，输入噪声，输出专业线稿

线稿→线稿

把输入的业余线稿当作条件，做 cGAN， G : { x , z } → y G:\{x, z\} \rightarrow y G:{x,z}→y

损失函数有三部分：cGAN 对抗损失、L1 损失、SSIM 损失、VGG 感知损失

VGG 感知损失使用的是 VGG-19 的 relu1_1, relu2_1, relu3_1, relu4_1, relu5_1 这些层。

线稿→线稿 + Huber 损失

用 Huber 损失 替换上面用的 L1 损失

• 查了一下 Huber 损失：

  回归损失函数：Huber Loss_Peanut_范的博客-CSDN博客_huber loss

  可以看作 L1 损失和 L2 损失的融合。

  特点是：

  1. 差不多就是 L1 损失，
     当误差很小的时候，变为 L2
  2. 在 0 处可微分
  3. 当 δ→0 时，Huber损失会趋向于 L1；
     当 δ→ ∞（很大的数字），Huber损失会趋向于 L2
  4. 对异常值的敏感程度：比 L1 敏感，没有 L2 敏感

  为何使用 Huber 损失：

  使用 L1 用于训练神经网络的一个大问题就是，它的梯度始终很大，这会导致使用梯度下降训练模型时，在结束时遗漏最小值。对于 L2 ，梯度会随着损失值接近其最小值逐渐减少，从而使其更准确。

  在这些情况下，Huber损失函数真的会非常有帮助，因为它围绕的最小值会减小梯度。而且相比 L2，它对异常值更具鲁棒性。因此，它同时具备 L2和 L1 这两种损失函数的优点。不过，Huber损失函数也存在一个问题，我们可能需要训练超参数 δ，而且这个过程需要不断迭代。

可以把 Huber 损失看作 L1 损失和 L2 损失的融合。

线稿→线稿 + 判别器感知损失

加入判别器的感知损失 ${\mathcal{L}}_{FM}$

这玩意和 PatchGAN 的差别就是 PatchGAN 的卷积层输出的是真假，这个的卷积层输出的是特征图，后面还要在判别器里继续卷，判断真假的

线稿→灰度图→线稿

分为两个阶段

第一个阶段是线稿生成灰度图 G S C : { x , z } → y ^ C G_{S C}:\{x, z\} \rightarrow \hat{y}_{C} GSC​:{x,z}→y^​C​

灰度图的 groud truth 是由上色图灰度化得到的。

第二个阶段是一个 边缘提取 GAN， G C S : { y ^ C , z } → y G_{C S}:\left\{\hat{y}_C, z\right\} \rightarrow y GCS​:{y^​C​,z}→y

（为啥这玩意也要 GAN）

线稿→形状→线稿

分为两个阶段

第一个阶段是业余线稿生成区域图， G S A : { x , z } → y A G_{S A}:\{x, z\} \rightarrow y_{A} GSA​:{x,z}→yA​

这里的区域图（或者说边缘图）就是前面用 SLIC 超像素弄出来的那个

第二个阶段输入区域图和业余线稿，生成专业线稿， G A S : { y A ^ , x , z } → y G_{A S}:\left\{\hat{y_{A}}, x, z\right\} \rightarrow y GAS​:{yA​^​,x,z}→y

这里，作者的思路是，第一个阶段拟合外轮廓，第二个阶段拟合内部细节

实验

几个任务效果的直观对比，还顺便拉上了 pix2pix

看得出 线稿→线稿 比另外两个差远了

F-score 比较，似乎 线稿→灰度图→线稿 比 线稿→形状→线稿 要更好一点

（不过我感觉从上面的效果来看，差不太多，可能稍微好一点点吧）

如果用区域图的 IoU 来衡量，线稿→形状→线稿 比 线稿→灰度图→线稿 好一点，但是最好的是 线稿→线稿 + 判别器感知损失

还有实验，没仔细看了