CartoonGAN前言
本文是对CVPR2018的一篇关于图像风格迁移的论文解读,即CartoonGAN,它可以用真实景物的照片作为源图片,生成任意风格的漫画,如新海诚或者宫崎骏。有人说这不就是Photoshop的滤镜而已嘛,当然Photoshop也可以做到,但是只给你一分钟来产生上百张效果图,Photoshop能否做到?我自己也在复现,但发现真的很难调出效果好的模型,自己的实验还得继续。
作者调出的模型效果是非常不错的了,效果图如下:真实景物——新海诚风格——宫崎骏风格
论文链接:
http://203.187.160.133:9011/openaccess.thecvf.com/c3pr90ntc0td/content_cvpr_2018/papers/Chen_CartoonGAN_Generative_Adversarial_CVPR_2018_paper.pdf
作者未开源代码,只给出了四个训练好的模型(宫崎骏、细田守、今敏和新海诚风格),作者用torch进行实验,模型下载链接:
http://cg.cs.tsinghua.edu.cn/people/~Yongjin/CartoonGAN-Models.rar
于是Github有人写了test代码用以上四个模型来前向测试图像,以下用Pytorch写的test代码还不错:
https://github.com/Yijunmaverick/CartoonGAN-Test-Pytorch-Torch
大家可以自己看论文,下载模型,找一些真实场景图试试速度和效果。
CartoonGAN理论解读
CartoonGAN其实就是一个用于非成对image训练的GAN,可以说是单向的CycleGAN罢了,创新点就三点:
1、作者自己设计的GAN网络架构,包括生成网络G和判别网络D,都比较直观基础,如下图: