Jun, 2017

增强型残差 U-net 和辅助分类器 GAN 用于动漫线稿的风格迁移

PDF
TL;DR本文介绍了一种利用 Residual U-net 和 AC-GAN 将绘画风格应用于黑白漫画草图的自动快速实现方法。实验结果显示，该方法不仅在艺术风格的质量上表现出色，而且在上色方面也能取得非常好的效果。
neural style transferpainting synthesisanime sketchresidual u-netac-gan
发现论文，激发创造
  • AniGAN: 面向风格引导的生成对抗网络 (Unsupervised) 在动漫头像生成中的应用

    该研究提出了一个基于 GAN 的新框架，可以将肖像照片转换为动漫外观的高质量图像，同时保留源图像的整体结构，该框架采用了双分支鉴别器来学习具体领域分布和领域共享分布，有助于生成具有视觉吸引力的动漫图像。

    Feb, 2021

  • Sketch-to-Art: 从草图中合成风格化的艺术图像

    该论文提出了一个基于 GAN 框架的新方法，用于从简笔画和风格参考图像中合成带有颜色和纹理的详细艺术风格图像；该方法采用了双重遮罩机制、特征映射转换技术以及反实例标准化过程等模块，以增强风格一致性和内容约束，并取得了显著的合成性能提升。

    Feb, 2020

  • AniFaceDrawing：在你的素描中探索动漫肖像

    本文重点研究了如何使用人工智能技术，特别是 StyleGAN 和潜空间探索方法，为动漫画家辅助提供高质量的肖像画创作。研究表明，使用我们提出的基于 S2I 的框架，动漫画家可以通过不断精确的画出轮廓线，自动得到高质量的头像肖像画。

    Jun, 2023

  • 肖像风格化：人脸风格化的辅助网络艺术风格转换

    本文提出了一种利用辅助预训练人脸识别模型的嵌入特征来促进图像风格转移算法将内容图像中的人脸特征传播到最终风格化结果，以解决现有方法在整个风格化过程中难以保留人脸的个体特征的问题。

    Sep, 2023

  • Gated-GAN：用于多集合风格转移的对抗门控网络

    本文提出了一种名为 Gated GAN 的多样式图像合成模型，该模型结合了编码器，门控变换器和解码器三个部分，可以实现在一个模型中转换多种样式的输入图像，同时通过辅助分类器识别样式类别，以稳定训练并提高合成图像质量。

    Apr, 2019

  • 带有条件对抗网络的用户指导下深度动漫线条着色

    该研究提出了一种基于深度有条件敌对生成网络和本地特征网络的漫画线画自动上色方法，通过训练更加真实的图像数据，获得更好的视觉效果。

    Aug, 2018

  • 任意风格的快速基于块的风格转移

    本文提出了一种基于局部匹配和卷积神经网络的简单优化目标，该目标可以在保持效率的同时，产生艺术风格迁移的高品质结果。同时，本文结合内容结构和风格纹理，利用预训练网络的单层来实现该目标，并且使用 80,000 张自然图像和 80,000 张绘画进行反向优化网络的训练，这使得整个算法支持任意图像进行迁移。

    Dec, 2016

  • 从 A 到 Z: 深度神经网络生成器的监督式风格和内容转移

    提出了一种新的神经网络结构来解决单张图像类比的问题，我们的网络是一个修改后的变分自编码器（VAE），支持有监督的训练和结构相似性目标的输出评估，通过对于 62 个字体从单个样例字母的生成展示出比现有技术更优异的结果。

    Mar, 2016

  • 神经艺术风格迁移中颜色保留

    本文提出一种基于神经网络的艺术风格迁移算法的扩展，实现了在保留颜色的前提下，将一张图像的风格转移到另一张图像上。

    Jun, 2016

  • 卷积神经网络艺术风格迁移的生成式 AI 模型

    该论文综述了一种使用卷积神经网络（CNN）进行风格转换的新技术，通过利用 CNN 学习的深层图像表征，实现了分离和操作图像内容和风格的能力，从而合成了以和谐方式结合内容和风格的高质量图像。

    Oct, 2023