部分内容转载自:https://github.com/SerialLain3170/AwesomeAnimeResearch
以下记录了关于动漫风格迁移、动漫图片生成、以及虽然没有直接提到动漫图片生成但是在数据集中使用到了动漫图片的论文。
-
【CVPR 2018】CartoonGAN: generative adversarial networks for photo cartoonization
许多动漫风格迁移的baseline。(●’◡’●) -
【2018】Comixify: transform video into a comics
动漫风格迁移。将一个视频转化为连环漫画:他们提出了从视频中提取那些可以完整描述视频内容的关键帧的算法。只看提取关键帧的部分就好了,其余部分浪费时间。┗|`O′|┛ -
【2020】AnimeGAN: A Novel Lightweight GAN for Photo Animation
动漫风格迁移。github star上千,风景可以,人物不大行。(●’◡’●) -
【CVPR2020】Learning to Cartoonize Using White-box Cartoon Representations
动漫风格迁移。可以生成diverse的风格,风景可以,人物不大行。(●’◡’●) -
【ICLR2020】U-GAT-IT: UNSUPERVISED GENERATIVE ATTENTIONAL NETWORKS WITH ADAPTIVE LAYER- INSTANCE NORMALIZATION FOR IMAGE-TO-IMAGE TRANSLATION
动漫风格迁移。github star上千。风景可以,人物不大行。(●’◡’●) -
【2017】Towards the Automatic Anime Characters Creation with Generative Adversarial Networks
动漫图片生成。基于GAN的动画人脸创作。
生成示例:
在线演示网页 -
【2018】Full-body High-resolution Anime Generation with Progressive Structure-conditional Generative Adversarial Networks
动漫图片生成。具有渐进结构条件GAN的全身高分辨率动画生成。
如下图:
-
【IEEE2018】Generate Novel Image Styles using Weighted Hybrid Generative Adversarial Nets
动漫图片生成。一个GAN里面有多个discriminator,通过修改它们的权重生成不同风格的图片,论文里的两个discriminator分别是油画和动画风格。
-
【2019】Towards Diverse Anime Face Generation: Active Label Completion and Style Feature Network
动漫面孔生成,基于风格-性别的GAN。使用一个自动标签完成机制来标注那些未被标注风格和性别的图片。
-
【IEEE2019】An Adaptive Control Algorithm for Stable Training of Generative Adversarial Networks
动漫图片生成。GAN稳定训练的自适应控制算法。通过动态调整generator和discriminator的训练step的比例,减轻训练的不稳定性和饱和的影响。实现方法:跟踪和分析相对狭窄的数据集的稳定训练曲线,并在训练更多的数据时将它们作为目标拟合线。 -
【2021】Overcoming Long-term Catastrophic Forgetting through Adversarial Neural Pruning and Synaptic Consolidation
动漫图片生成。通过对抗性神经剪枝和突触整合克服长期灾难性遗忘。神经剪枝长期抑制、修剪与任务不相关的参数,而突触整合长期增强与任务相关的参数。 github代码 -
【2020】Autoencoding Generative Adversarial Networks
动漫图片生成。针对GAN的训练不稳定的问题。自编码GAN,一个四网络模型,它对生成的图像和生成的潜在向量应用对抗损失和重建损失,来学习指定的潜在空间和给定的样本空间之间的双射映射。