带有条件对抗网络的用户指导下深度动漫线条着色

MMAug, 2018

带有条件对抗网络的用户指导下深度动漫线条着色

User-Guided Deep Anime Line Art Colorization with Conditional Adversarial Networks

Yuanzheng Ci, Xinzhu Ma, Zhihui Wang, Haojie Li, Zhongxuan Luo

TL;DR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。

Abstract

Scribble colors based line art colorization is a challenging computer vision problem since neither greyscale values nor semantic information is presented in line arts, and the lack of authentic illustration-

line art colorization generative adversarial nets deep conditional adversarial architecture local features network

发现论文，激发创造

使用条件生成对抗网络从线稿生成卡通图像的自动绘画程序

本文提出了一种新的自动绘画模型，用于解决黑白素描自动上色问题，实验结果表明自动绘画模型的性能优于现有的图像合成方法。

May, 2017

使用生成对抗神经网络给 Fakemon 上色的线描艺术着色

本文提出了一种完整的方法来为 Fakemon、动漫风格的怪物图像上色。我们使用自动化提取颜色提示的算法训练网络，并将 Pix2Pix 和 CycleGAN 方法结合起来生成最终结果，但上色效果仍有待提高。

Jul, 2023

Scribbler: 用草图和颜色控制深度图像合成

本文提出了一种基于深度对抗图像合成框架，结合草图轮廓和稀疏颜色笔画生成逼真的汽车、卧室或人脸。我们展示了一个基于草图的图像合成系统，允许用户在草图上涂鸦以指示所需对象的首选颜色。该网络是前向的，可以实时看到用户编辑的效果。与最近关于草图到图像合成的研究进行了比较，表明我们的方法可以生成更逼真、更多样和更可控的输出，并且对于灰度图像的用户引导上色也很有效。

Dec, 2016

通过生成对抗网络实现无监督多样化着色

本文介绍了一种使用条件生成式对抗网络解决无监督多样化上色问题的方法，并在 LSUN 卧室数据集上表现出高竞争性和高可信度的着色结果。

Feb, 2017

自动时空连贯的视频上色

本文介绍了一种基于敌对生成网络的图像着色方法，可以实现在动漫制作领域中对线描进行快速稳定的着色，从而加快制作进度，减少成本。

Apr, 2019

基于结构和颜色条件的对抗着色图标生成

该研究提出了一种使用基于条件生成对抗网络的图标设计系统，可帮助设计师更轻松地完成图标的着色任务，并且实现了较高质量的着色效果。

Oct, 2019

通过串联对抗网络实现轮廓上色

本研究提出一种利用两个神经网络联合工作的方案，分别基于线条轮廓和彩色方案完成抠图和上色。通过限制传递的彩色方案信息进行泛化，最终实现了从零开始和混乱的彩色方案中进行抠图和上色的自然效果。