訂閱
糾錯
加入自媒體
當前位置： OFweek 人工智能網(wǎng)   >   計算機視覺   >  正文

深蘭科技|計算機視覺+藝術處理，現(xiàn)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(shù)

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(shù)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：

深蘭科技|計算機視覺+藝術處理，現(xiàn)實場景秒變動漫大片


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(shù)據(jù)集。那這個數(shù)據(jù)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(wǎng)絡G生成邊緣清晰的圖片，所以判別為假數(shù)據(jù)。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。

深蘭科技|計算機視覺+藝術處理，現(xiàn)實場景秒變動漫大片

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(wěn)定保證原始圖片的內容，大多會出現(xiàn)扭曲或更嚴重的情況。

3．總結

經(jīng)過上述的技術細節(jié)來訓練CartoonGAN，就可以將現(xiàn)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。

深蘭科技|計算機視覺+藝術處理，現(xiàn)實場景秒變動漫大片

深蘭科技|計算機視覺+藝術處理，現(xiàn)實場景秒變動漫大片

深蘭科技|計算機視覺+藝術處理，現(xiàn)實場景秒變動漫大片

<上一頁  1  2  3  下一頁>  
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(lián)系舉報。

發(fā)表評論

共0條評論，0人參與

請輸入評論內容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁，請輸入驗證碼繼續(xù)

暫無評論

暫無評論

    人工智能 獵頭職位 更多
    掃碼關注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內容
    文章糾錯
    x
    *文字標題：
    *糾錯內容：
    聯(lián)系郵箱：
    *驗 證 碼：

    粵公網(wǎng)安備 44030502002758號