深度学习——DeepNormal

原论文：Deep Normal Estimation for Automatic Shading of Hand-Drawn Characters
开源代码（tesorflow框架）：https://github.com/V-Sense/DeepNormals
1.主要内容：提出了一种残差U型网络，该网络能够根据输入的线稿动画图计算得出法向量估计图（Normal Estimation Map）。依据该法向量估计图能够自动进行三维立体渲染，最后得出立体动画图。该方法能够自动生成立体图，不需要人为输入参数。

背景意义：如今3D动画等影视艺术作品越来越流行，深受广大人民群众喜爱。同时，3D动画等影视艺术作品也越来越多。但是，2D绘画等艺术表现形式依然是一种重要的艺术交流媒体。这是因为创作2D的绘画作品没有太多的限制条件。对于创作者来说，他们仅仅需要一支笔和一张纸就能完成一幅很好的2D绘画作品。一般情况下，创作者完成一幅绘画作品需要三个阶段。首先，创作者先完成动画线稿原稿，这个过程包括构建人物主体轮廓，空间环境，人物面部特征等细节。其次，创作者需要对作品进行优化，去除底稿轮廓线，并将画稿数字化等。最后，创作者根据作品的特点进行上色，描绘出纹理特征，阴影光线特征等。当我们需要创作大量的动画作品时，这些工作是十分单调乏味的，同时其工作量十分巨大。为了解决这些重复工作的工作量大的问题，研究人员提出了各种提高自动化生成动画作品效率的方法。例如，自动化去线稿，图像扫描，自动化上色，图像配准，填充中间帧等技术。这篇文章针对阴影渲染的问题提出了一种自动化完成阴影渲染的方法。阴影渲染除了能够使动画更具有吸引力和