深蘭科技|計算機視覺+藝術處理，現實場景秒變動漫大片
2020-06-11 08:44
深蘭科技
關注
2．2 損失函數
卡通圖像具有銳利邊緣，順滑的色彩偏差，紋理也相對簡單，所以作者定義了新的loss來完成這個需求。
作者提出了損失函數L（G，D），由兩部分組成，第一部分為普通的GAN損失，第二部分為保證原真實圖像內容的內容損失，如公式所示：
可以看到公式②中比普通GAN損失多加了一個，也就多了一個數據集。那這個數據集怎么來的，它是通過對原始卡通圖像進行邊緣模糊后得到的（邊緣模糊圖片見圖2－2，左邊為原圖，右邊位邊緣模糊圖），目的是為了讓生成網絡G生成邊緣清晰的圖片，所以判別為假數據。而公式③中的就是Neural Style（風格遷移）里面的內容損失，只不過把L2損失改為L1損失，在這里我們可以看成是一個正則化。
圖2－2清晰動漫圖（左）、邊緣模糊圖（右）
2．3 初始化技巧
作者引入一個初始化技巧，用公式③中的損失先來單獨訓練G，大概訓練10個epoch。這樣做的目的是為了生成的圖片初始后就能保證原真實場景的內容，因為普通的單向GAN要是沒有加入一些限制很難穩定保證原始圖片的內容，大多會出現扭曲或更嚴重的情況。
3．總結
經過上述的技術細節來訓練CartoonGAN，就可以將現實的場景完美的轉換成漫畫風格。
最后，我們就來欣賞一些漂亮的轉換結果。
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權或其他問題，請聯系舉報。
請輸入評論內容...
請輸入評論/評論長度6~500個字
最新活動更多
- 1 AI狂歡遇上油價破百，全球股市還能漲多久？ | 產聯看全球
- 2 OpenAI深夜王炸！ChatGPT Images 2.0實測：中文穩、細節炸，設計師慌了
- 3 6000億美元估值錨定：字節跳動的“去單一化”突圍與估值重構
- 4 Tesla AI5芯片最新進展總結
- 5 連夜測了一波DeepSeek-V4，我發現它可能只剩“審美”這個短板了
- 6 熱點丨AI“瑜亮之爭”：既生OpenClaw，何生Hermes？
- 7 AI界的殺豬盤：9秒刪庫跑路，全員被封號，還繼續扣錢！
- 8 2026，人形機器人只贏了面子
- 9 DeepSeek降價90%：價格屠夫不是身份，是戰略
- 10 AI Infra產業鏈卡在哪里了？
