CVPR2018 CartoonGAN 解读

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：