要說(shuō)亞洲動(dòng)漫制作的王者，當(dāng)然是我們一衣帶水的鄰邦——日本。

2020年字節(jié)跳動(dòng)和日本東京大學(xué)聯(lián)合發(fā)表了一篇《Learning to Cartoonize Using White-Box Cartoon Representations》（學(xué)習(xí)使用白盒表示+GAN來(lái)創(chuàng)作卡通圖片），基于卡通圖片的繪畫(huà)技法和圖像特點(diǎn)，可以將真實(shí)的人物或風(fēng)景圖片轉(zhuǎn)化為卡通圖片，效果很出色，在這篇文章里我們介紹一下這個(gè)項(xiàng)目。

論文地址：https://github.com/SystemErrorWang/White-box-Cartoonization/blob/master/paper/06791.pdf

Github項(xiàng)目：https://github.com/SystemErrorWang/White-box-Cartoonization

（一）架構(gòu)簡(jiǎn)介

論文的摘要中是這樣說(shuō)的：

這篇論文提出了一種圖像卡通化的方法。通過(guò)觀察卡通繪畫(huà)行為和咨詢(xún)藝術(shù)家，我們建議從圖像中分別識(shí)別出三種白盒表示：（1）包含卡通圖像光滑表面的外觀表示；（2）在賽璐珞風(fēng)格工作流中描述稀疏色塊和扁平化全局內(nèi)容的結(jié)構(gòu)表示；以及（3）反映卡通圖像中高頻紋理、輪廓和細(xì)節(jié)的紋理表示。生成性對(duì)抗網(wǎng)絡(luò)（GAN）框架用來(lái)學(xué)習(xí)提取圖像表示和卡通化圖像。該方法的學(xué)習(xí)目標(biāo)分別基于每個(gè)提取的表示（特征），使得框架具有可控性和可調(diào)整性。

上圖中展示的是本項(xiàng)目的圖像卡通化框架。將圖像分解為外觀表示、結(jié)構(gòu)表示和紋理表示，并引入三個(gè)獨(dú)立的模塊來(lái)提取相應(yīng)的表示。GAN框架由生成器G和兩個(gè)判別器Ds和Dt組成，其中Ds用于判別從模型輸出和卡通中提取的外觀表示，Dt用于判別從輸出和卡通中提取的紋理表示。預(yù)訓(xùn)練的VGG網(wǎng)絡(luò)用于提取高級(jí)特征，并在提取的結(jié)構(gòu)表示和輸出之間，以及在輸入圖片和輸出之間對(duì)全局內(nèi)容施加空間約束。每個(gè)組件的權(quán)重可以在loss函數(shù)中進(jìn)行調(diào)整，這允許用戶(hù)控制輸出樣式并使模型適應(yīng)不同的用例。

本項(xiàng)目所使用的GAN的生成器和判別器架構(gòu)如下圖所示，其中生成器網(wǎng)絡(luò)類(lèi)似于U-Net，而判別器網(wǎng)絡(luò)來(lái)自于PatchGAN：

生成器網(wǎng)絡(luò)使用步長(zhǎng)為2的卷積層進(jìn)行下采樣，使用雙線(xiàn)性插值層進(jìn)行上采樣，以避免棋盤(pán)偽影（Checkerboard Artifacts）。該網(wǎng)絡(luò)僅由三種層組成：卷積層、泄漏ReLU（LReLU）層和雙線(xiàn)性層，這使得它可以很容易地嵌入移動(dòng)電話(huà)等邊緣設(shè)備中。

判別器網(wǎng)絡(luò)最后一層是卷積層，輸出特征圖中的每個(gè)像素對(duì)應(yīng)于輸入圖像中的一個(gè)面片（Patch），面片大小等于感知場(chǎng)，用于判斷面片屬于卡通圖像（Cartoon Images）還是生成圖像。PatchGAN增強(qiáng)了對(duì)細(xì)節(jié)的辨別能力，加快了訓(xùn)練速度。在每個(gè)卷積層（最后一層除外）之后放置譜歸一化（Spectral Normalization），以對(duì)網(wǎng)絡(luò)實(shí)施Lipschitz約束并穩(wěn)定訓(xùn)練。

（二）上手試用

（2.1）必備環(huán)境（Windows 10，NVIDIA Geforce RTX 2080Ti）

cuda?? ???????????????? 10.0.0
cudnn?? ?????????????? 7.6.5
python???????????????? 3.7.4
tensorflow?????????? 1.14.0
tensorflow-gpu:?? 1.14.0（官網(wǎng)建議：1.12.0或者1.13.0）
scikit-image???????? 0.14.5

（2.2）從 Github 下載源代碼，解壓縮，進(jìn)入工作目錄：

https://github.com/SystemErrorWang/White-box-Cartoonization

（2.3）把待卡通化處理的圖片放到 ./test_code/test_images 目錄下

（2.4）在 ./test_code 目錄下運(yùn)行：

python cartoonize.py

（2.5）生成的圖片放在 ./test_code/cartoonized_images 目錄下。

（三）使用效果

（3.1）論文中給出的例子

（3.2）實(shí)測(cè)效果

真實(shí)圖片????????????????????????????????????????????????????????????????? 卡通效果

?

?

?

?

這樣，我們即使不掌握繪畫(huà)技術(shù)，也可以通過(guò)手機(jī)拍照+PS修圖+AI技術(shù)，創(chuàng)作出一些個(gè)性化的卡通作品，這是不是也挺有意思呢？

（完）

?

?

?

總結(jié)

以上是生活随笔為你收集整理的【实战】（字节跳动、日本东京大学）学习使用白盒表示+GAN来创作卡通图片：Learning to Cartoonize Using White-Box Cartoon Representations的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。