Press "Enter" to skip to content

基于 PyTorch 和神经网络给 GirlFriend 制作漫画风头像

本站内容均来自兴趣收集,如不慎侵害的您的相关权益,请留言告知,我们将尽快删除.谢谢.

摘要:本文中我们介绍的 AnimeGAN 就是 GitHub 上一款爆火的二次元漫画风格迁移工具,可以实现快速的动画风格迁移。

 

本文分享自华为云社区《​ ​AnimeGANv2 照片动漫化:如何基于 PyTorch 和神经网络给 GirlFriend 制作漫画风头像?【秋招特训】​ ​》,作者:白鹿第一帅 。

 

前言

 

将现实世界场景的照片转换为动漫风格图像的方法,这是计算机视觉和艺术风格转换中一项有意义且具有挑战性的任务,而本文中我们介绍的 AnimeGAN 就是 GitHub 上一款爆火的二次元漫画风格迁移工具,可以实现快速的动画风格迁移。该工具是基于神经风格迁移和生成对抗网络 (GAN) 技术打造的,相比于传统的神经网络模型,GAN 是一种全新的非监督式的架构。最近 AnimeGAN 发布了其二代版本,据称更新后 AnimeGANv2 支持了风景照片和风景视频的三种动漫化风格(分别是宫崎骏、新海诚和金敏),视觉效果更佳,模型体量也更小且容易训练了。

 

 

一、基于 GAN 实现漫画风格实现原理

 

1.1、传统漫画风格迁移工具的不足

生成的图像没有明显的动画风格纹理。
生成的图像丢失了原始图像的内容。
网络的参数需要大的存储容量。

1.2、基于生成对抗网络 (GAN) 的漫画风格迁移工具

 

通过三种新颖的损失函数,使生成的图像具有更好的动画视觉效果,这些损失函数是 灰度样式损失 、 灰度对抗损失 和 颜色重建损失 。AnimeGAN 可以很容易地使用未配对的训练数据进行端到端训练。

AnimeGAN 的参数需要较低的内存容量 。实验结果表明,该方法可以快速将真实世界的照片转换为高质量的动漫图像,并且优于最先进的方法。
AnimeGAN 的参数需要较低的内存容量 。实验结果表明,该方法可以快速将真实世界的照片转换为高质量的动漫图像,并且优于最先进的方法。
AnimeGAN 的参数需要较低的内存容量 。实验结果表明,该方法可以快速将真实世界的照片转换为高质量的动漫图像,并且优于最先进的方法。

实现原理可以参考 原论文 :https://link.springer.com/chapter/10.1007/978-981-15-5577-0_18,具体如下图所示:

 

 

二、AnimeGANv2 照片动漫化

 

2.1、与 AnimeGAN 的对比

 

AnimeGANv2 是照片漫画工具 AnimeGAN 的升级版本,AnimeGANv2 在训练 AI 时 GAN 包括了两套独立的网络 A 和 B,A 网络是需要训练的分类器,用来分辨成图是否符合标准;B 网络是生成器,生成类似于真实样本的随机样本,并将其作为假样本以欺骗网络 A。在 A 和 B 的对抗中,AI 的水平逐渐提升,最后实现质的飞跃,相较于之前版本, AnimeGANv2 主要在以下四个方面进行优化 :

解决生成图片的高频伪影问题。
易于训练,达到实物纸张效果。
减少生成器网络参数。
尽可能用高质量的图片样式数据。

2.2、AnimeGANv2 效果及项目介绍

 

AnimeGANv2 可以将现实场景的图片处理为动漫画风,目前支持 宫崎骏 、 新海诚 和 今敏 的三种风格,三者实现效果具体如下图所示:

 

 

​ Github 地址 : ​ ​https://github.com/TachibanaYoshino/AnimeGANv2​ ​ ,详情具体如下图所示:

 

 

三、本次案例部署及实验平台介绍

 

3.1、对象存储服务 OBS

 

我们将本次案例中的相关代码和数据存放于华为云提供的 对象存储服务 OBS 中,推荐大家使用:https://www.huaweicloud.com/product/obs.html,产品详细信息具体如下图所示:

 

 

对象存储服务(Object Storage Service,OBS)提供海量、安全、高可靠、低成本的数据存储能力,可供用户存储任意类型和大小的数据。适合企业备份 / 归档、视频点播、视频监控等多种数据存储场景,在我本人的使用以及测试中对象存储服务 OBS 效果颇好,故推荐给大家使用,具体如下图所示:

 

 

3.2、AI 开发平台 ModelArts

 

本次案例运行的实验平台为华为云的 AI 开发平台 ModelArts ,详细信息请点击:https://support.huaweicloud.com/modelarts/index.html,产品详细信息具体如下图所示:

 

 

ModelArts 是面向开发者的一站式 AI 开发平台,为机器学习与深度学习提供海量数据预处理及半自动化标注、大规模分布式 Training、自动化模型生成,及端 – 边 – 云模型按需部署能力,帮助用户快速创建和部署模型,管理全周期 AI 工作流 ,在我本人的使用以及测试中 ModelArts 效果颇好且提供了可以满足不同开发需求的运行环境(部分免费),故推荐给大家使用,具体如下图所示:

 

 

可以在华为云 AI 开发平台 ModelArts 提供的 JupyterLab 中选择不同的实验环境内核,具体如下图所示:

 

 

四、获取代码和数据

 

获取代码和数据,相关实现命令如下所示:

 

import os
!wget https://obs-aigallery-zc.obs.cn-north-4.myhuaweicloud.com/clf/code/AnimeGAN/AnimeGAN.zip
os.system('unzip AnimeGAN.zip')

 

我们可以在 华为云 AI 开发平台 ModelArts 提供的 JupyterLab 查看具体运行过程和结果,具体如下图所示:

 

 

五、安装依赖库

 

安装依赖库,相关实现命令如下所示:

 

!pip install  dlib
!pip uninstall -y torch
!pip uninstall -y torchvision
!pip install torch
!pip install torchvision
%cd AnimeGANv2

 

我们可以在 华为云 AI 开发平台 ModelArts 提供的 JupyterLab 查看具体运行过程和结果,具体如下图所示:

 

 

说明:由于运行结果过于冗长,仅截取首端与末端运行结果。

 

 

六、AnimeGANv2 源码解析

 

## AnimeGANv2源码解析
import os
import dlib
import collections
from typing import Union, List
import numpy as np
from PIL import Image
import matplotlib.pyplot as plt
def get_dlib_face_detector(predictor_path: str = "shape_predictor_68_face_landmarks.dat"):
 if not os.path.isfile(predictor_path):
 model_file = "shape_predictor_68_face_landmarks.dat.bz2"
 os.system(f"wget http://dlib.net/files/{model_file}")
 os.system(f"bzip2 -dk {model_file}")
    detector = dlib.get_frontal_face_detector()
 shape_predictor = dlib.shape_predictor(predictor_path)
 def detect_face_landmarks(img: Union[Image.Image, np.ndarray]):
 if isinstance(img, Image.Image):
 img = np.array(img)
        faces = []
        dets = detector(img)
 for d in dets:
            shape = shape_predictor(img, d)
 faces.append(np.array([[v.x, v.y] for v in shape.parts()]))
 return faces
 return detect_face_landmarks
def display_facial_landmarks(
 img: Image, 
    landmarks: List[np.ndarray],
 fig_size=[15, 15]
):
 plot_style = dict(
        marker='o',
 markersize=4,
 linestyle='-',
 lw=2
 )
 pred_type = collections.namedtuple('prediction_type', ['slice', 'color'])
 pred_types = {
 'face': pred_type(slice(0, 17), (0.682, 0.780, 0.909, 0.5)),
 'eyebrow1': pred_type(slice(17, 22), (1.0, 0.498, 0.055, 0.4)),
 'eyebrow2': pred_type(slice(22, 27), (1.0, 0.498, 0.055, 0.4)),
 'nose': pred_type(slice(27, 31), (0.345, 0.239, 0.443, 0.4)),
 'nostril': pred_type(slice(31, 36), (0.345, 0.239, 0.443, 0.4)),
 'eye1': pred_type(slice(36, 42), (0.596, 0.875, 0.541, 0.3)),
 'eye2': pred_type(slice(42, 48), (0.596, 0.875, 0.541, 0.3)),
 'lips': pred_type(slice(48, 60), (0.596, 0.875, 0.541, 0.3)),
 'teeth': pred_type(slice(60, 68), (0.596, 0.875, 0.541, 0.4))
 }
    fig = plt.figure(figsize=fig_size)
    ax = fig.add_subplot(1, 1, 1)
 ax.imshow(img)
 ax.axis('off')
 for face in landmarks:
 for pred_type in pred_types.values():
 ax.plot(
 face[pred_type.slice, 0],
 face[pred_type.slice, 1],
                color=pred_type.color, **plot_style
 )
 plt.show()
# https://github.com/NVlabs/ffhq-dataset/blob/master/download_ffhq.py
import PIL.Image
import PIL.ImageFile
import numpy as np
import scipy.ndimage
def align_and_crop_face(
 img: Image.Image,
    landmarks: np.ndarray,
    expand: float = 1.0,
 output_size: int = 1024, 
 transform_size: int = 4096,
 enable_padding: bool = True,
):
 # 将五官数据转为数组
 # pylint: disable=unused-variable
 lm = landmarks
 lm_chin = lm[0 : 17] # left-right
 lm_eyebrow_left = lm[17 : 22] # left-right
 lm_eyebrow_right = lm[22 : 27] # left-right
 lm_nose = lm[27 : 31] # top-down
 lm_nostrils = lm[31 : 36] # top-down
 lm_eye_left = lm[36 : 42] # left-clockwise
 lm_eye_right = lm[42 : 48] # left-clockwise
 lm_mouth_outer = lm[48 : 60] # left-clockwise
 lm_mouth_inner = lm[60 : 68] # left-clockwise
 # 计算辅助向量
 eye_left = np.mean(lm_eye_left, axis=0)
 eye_right = np.mean(lm_eye_right, axis=0)
 eye_avg = (eye_left + eye_right) * 0.5
 eye_to_eye = eye_right - eye_left
 mouth_left = lm_mouth_outer[0]
 mouth_right = lm_mouth_outer[6]
 mouth_avg = (mouth_left + mouth_right) * 0.5
 eye_to_mouth = mouth_avg - eye_avg
 # 提取矩形框
    x = eye_to_eye - np.flipud(eye_to_mouth) * [-1, 1] # flipud函数实现矩阵的上下翻转;数组乘法,每行对应位置相乘
    x /= np.hypot(*x)
    x *= max(np.hypot(*eye_to_eye) * 2.0, np.hypot(*eye_to_mouth) * 1.8)
    x *= expand
    y = np.flipud(x) * [-1, 1]
    c = eye_avg + eye_to_mouth * 0.1
    quad = np.stack([c - x - y, c - x + y, c + x + y, c + x - y])
 qsize = np.hypot(*x) * 2
 # 缩放
    shrink = int(np.floor(qsize / output_size * 0.5))
 if shrink > 1:
 rsize = (int(np.rint(float(img.size[0]) / shrink)), int(np.rint(float(img.size[1]) / shrink)))
 img = img.resize(rsize, PIL.Image.ANTIALIAS)
        quad /= shrink
 qsize /= shrink
 # 裁剪
    border = max(int(np.rint(qsize * 0.1)), 3)
    crop = (int(np.floor(min(quad[:,0]))), int(np.floor(min(quad[:,1]))), int(np.ceil(max(quad[:,0]))), int(np.ceil(max(quad[:,1]))))
    crop = (max(crop[0] - border, 0), max(crop[1] - border, 0), min(crop[2] + border, img.size[0]), min(crop[3] + border, img.size[1]))
 if crop[2] - crop[0] < img.size[0] or crop[3] - crop[1] < img.size[1]:
 img = img.crop(crop)
        quad -= crop[0:2]
 # 填充数据
    pad = (int(np.floor(min(quad[:,0]))), int(np.floor(min(quad[:,1]))), int(np.ceil(max(quad[:,0]))), int(np.ceil(max(quad[:,1]))))
    pad = (max(-pad[0] + border, 0), max(-pad[1] + border, 0), max(pad[2] - img.size[0] + border, 0), max(pad[3] - img.size[1] + border, 0))
 if enable_padding and max(pad) > border - 4:
        pad = np.maximum(pad, int(np.rint(qsize * 0.3)))
 img = np.pad(np.float32(img), ((pad[1], pad[3]), (pad[0], pad[2]), (0, 0)), 'reflect')
        h, w, _ = img.shape
        y, x, _ = np.ogrid[:h, :w, :1]
        mask = np.maximum(1.0 - np.minimum(np.float32(x) / pad[0], np.float32(w-1-x) / pad[2]), 1.0 - np.minimum(np.float32(y) / pad[1], np.float32(h-1-y) / pad[3]))
        blur = qsize * 0.02
 img += (scipy.ndimage.gaussian_filter(img, [blur, blur, 0]) - img) * np.clip(mask * 3.0 + 1.0, 0.0, 1.0)
 img += (np.median(img, axis=(0,1)) - img) * np.clip(mask, 0.0, 1.0)
 img = PIL.Image.fromarray(np.uint8(np.clip(np.rint(img), 0, 255)), 'RGB')
        quad += pad[:2]
 # 转化图片
 img = img.transform((transform_size, transform_size), PIL.Image.QUAD, (quad + 0.5).flatten(), PIL.Image.BILINEAR)
 if output_size < transform_size:
 img = img.resize((output_size, output_size), PIL.Image.ANTIALIAS)
 return img
#@title AnimeGAN model from https://github.com/bryandlee/animegan2-pytorch
# ! git clone https://github.com/bryandlee/animegan2-pytorch
model_fname = "face_paint_512_v2_0.pt"
# model_urls = {
#     "face_paint_512_v0.pt": "https://drive.google.com/uc?id=1WK5Mdt6mwlcsqCZMHkCUSDJxN1UyFi0-",
#     "face_paint_512_v2_0.pt": "https://drive.google.com/uc?id=18H3iK09_d54qEDoWIc82SyWB2xun4gjU",
# }
# ! gdown {model_urls[model_fname]}
import sys
sys.path.append("animegan2-pytorch")
import torch
torch.set_grad_enabled(False)
print(torch.__version__, torch.cuda.is_available())
from model import Generator
device = "cpu"
model = Generator().eval().to(device)
model.load_state_dict(torch.load(model_fname))
from PIL import Image
from torchvision.transforms.functional import to_tensor, to_pil_image
def face2paint(
 img: Image.Image,
    size: int,
 side_by_side: bool = True,
) -> Image.Image:
    w, h = img.size
    s = min(w, h)
 img = img.crop(((w - s) // 2, (h - s) // 2, (w + s) // 2, (h + s) // 2))
 img = img.resize((size, size), Image.LANCZOS)
 input = to_tensor(img).unsqueeze(0) * 2 - 1
    output = model(input.to(device)).cpu()[0]
 if side_by_side:
        output = torch.cat([input[0], output], dim=2)
    output = (output * 0.5 + 0.5).clip(0, 1)
 return to_pil_image(output)

 

对应运行结果具体如下:

 

1.11.0+cu102 True

 

七、素材应用照片动漫化

 

7.1、通过文件路径获取素材文件

 

定义一个应用函数, 通过文件路径获取素材文件 ,具体实现代码如下:

 

def inference_from_file(filepath):
 img = Image.open(filepath).convert("RGB")
 face_detector = get_dlib_face_detector()
    landmarks = face_detector(img)
 display_facial_landmarks(img, landmarks, fig_size=[5, 5])
 for landmark in landmarks:
        face = align_and_crop_face(img, landmark, expand=1.3)
 display(face2paint(face, 512))

 

我们分别对命名为 “4.jpg” 和 “1.jpg” 的素材照片应用漫画化效果,具体实现代码如下:

 

inference_from_file('1.jpg')

 

inference_from_file('4.jpg')

 

对于命名为 “1.jpg” 的图片分析过程具体如下图所示:

 

 

输出结果,我们着重在脸部与原图 “1.jpg” 进行对比,具体如下图所示:

 

 

对于命名为 “4.jpg” 的图片分析过程具体如下图所示:

 

 

输出结果,我们着重在脸部与原图 “4.jpg” 进行对比,具体如下图所示:

 

 

7.2、通过 URL 地址获取素材文件

 

定义一个应用函数, 通过 URL 地址获取素材文件 ,具体实现代码如下:

 

import requests
def inference_from_url(url):
 img = Image.open(requests.get(url, stream=True).raw).convert("RGB")
 face_detector = get_dlib_face_detector()
    landmarks = face_detector(img)
 display_facial_landmarks(img, landmarks, fig_size=[5, 5])
 for landmark in landmarks:
        face = align_and_crop_face(img, landmark, expand=1.3)
 display(face2paint(face, 512))

 

我们通过获取 URL 地址中的素材照片 “6.jpg” 实现,具体实现代码如下:

 

inference_from_url("https://obs-aigallery-zc.obs.cn-north-4.myhuaweicloud.com/clf/code/AnimeGAN/6.jpg")

 

对于命名为 “6.jpg” 的图片分析过程具体如下图所示:

 

 

输出结果,我们着重在脸部与原图 “6.jpg” 进行对比,具体如下图所示:

 

 

八、在线体验

 

当然也考虑到一些同学因为某些原因无法进行实验环境操作,在这里为大家提供 线上 AnimeGANv2 照片动漫化 , 感兴趣的同学请点击: ​ ​https://huggingface.co/spaces/akhaliq/AnimeGANv2​ ​ , 在这里呢就有一些局限性,目前仅支持两个 version:

version 1 ( stylization, robustness)
version 2 ( robustness, stylization)

玩一玩,还是够用的!嘿嘿嘿!马斯克?!

 

 

不说了,我要去给女朋友整一个! 你们看着办,该不会是没有女朋友吧?!

 

 

总结

 

在本文中我们给大家介绍了基于神经风格迁移和生成对抗网络 (GAN) 技术打造的照片漫画风格迁移工具 AnimeGANv2,并通过华为云平台提供的 AI 开发平台 ModelArts 进行了效果演示,其中对于 AnimeGANv2 源码部分以及通过文件路径获取素材文件和通过 URL 地址获取素材文件两种不同的应用方式进行了重点拆分,这是一种设计模式的体现。通过技术手段在计算机视觉和艺术风格转换方面的应用,实现照片的快速动漫化效果,对于作者来说是一种挑战,那对于我们其他用户来说呢?新领域新机遇?

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。