那些有趣的GAN合成图像项目(在线可操作)

那些有趣的GAN合成图像项目(在线可操作)

本文介绍几个人工智能在图像合成上面的有趣应用，大家可以动起手来操作看看，可有意思了~

1. GAN dissection

G. A. N. D. Issection et al., “GAN DISSECTION: VISUALIZING AND UNDERSTANDING GENERATIVE ADVERSARIAL NETWORKS,” 2018.

在线操作链接 ：http://gandissect.res.ibm.com/ganpaint.html?project=churchoutdoor&layer=layer4
在用Progressive GAN合成的图像基础上对图像再进行修改，比如把教堂上面的尖顶改成圆顶，在合理的地方增加树，添加云等等。

2. Rewriting GAN model

D. Bau, S. Liu, T. Wang, J.-Y. Zhu, and A. Torralba, “Rewriting a Deep Generative Model,” 2020.

在线操作链接：
https://colab.research.google.com/github/davidbau/rewriting/blob/master/notebooks/rewriting-interface.ipynb#

基于Progressive GAN, StyleGAN v2合成的图像，在此基础上根据用户的编辑，实现网络参数的修改，合成类似的图像。比如想让马戴上帽子，首先选中图像中有帽子的地方，把帽子粘贴到图像中马的头上。接着选中几张其它备选图像中希望马戴帽子的区域，然后就能生成更多戴着帽子的马的图像，下图为文章的示例：
除了给马戴帽子，还有很多有趣的实验，比如改变马尾的大小，去除人像上的耳环，眼镜等。

3. Artbreeder

链接： https://artbreeder.com/create

可以合成各种各样的图像，比如，将指南针和鸟作为两个“基因”控制图像的合成，同时可以调整“基因”所占的比重；或者合成人像，可调整笑容，年龄，眼镜等的属性。除此以外，还有风景图，动漫图等的合成。有兴趣的朋友可以去试试看，合成一些有意思的图像。

4. GauGAN

Park, Taesung, et al. “GauGAN: semantic image synthesis with spatially adaptive normalization.” ACM SIGGRAPH 2019 Real-Time Live!. 2019. 1-1.

链接 ： http://nvidia-research-mingyuliu.com/gaugan

自己动手画一幅风景画？只需在左边的窗口绘画物体的形状，就能随心创作一幅逼真的画！
还可以在下面的一列图片选择不同的风格~有趣！

5. Cartoonize

Wang, Xinrui, and Jinze Yu. “Learning to Cartoonize Using White-Box Cartoon Representations.” Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2020

链接： https://cartoonize-lkqov62dia-de.a.run.app/cartoonize

一键现实变卡通，可以上传自己的图片或者视频试试！

6. 汉字生成

Ha, David. “Recurrent net dreams up fake chinese characters in vector format with tensorflow.” (2015).

链接：https://otoro.net/kanji-rnn/

7. 简笔画合成 DoodlerGAN

https://arxiv.org/pdf/2011.10039.pdf

9. ArtLine图像转简笔画

这个虽然不是使用GAN合成的，但是用GAN实现应该也是可以的，所以还是放在这里。作者还强调：

Surprise!! No critic,No GAN. GAN did not make much of a difference so I was happy with No GAN.

github: https://github.com/vijishmadhavan/ArtLine

操作链接：https://colab.research.google.com/github/vijishmadhavan/Light-Up/blob/master/ArtLine(AR).ipynb#scrollTo=1WfxvLQpoIfF

10. CoModGAN

对残缺图像进行图像填充

论文链接：https://arxiv.org/pdf/2103.10428
GitHub：https://github.com/zsyzzsoft/co-mod-gan
Demo：http://comodgan.ml/