AI依然火

最近居家太无聊了，无意见逛到了AI社区，发现最近AI算法热度还是很高，什么AI绘画，还有什么AI作诗，写歌。可以说，人工智能领域在一步步挑战人类的高度，从循规蹈矩的简单工作，到高难度的智慧挑战，现在已经在挑战人类最后防线—思想，创作！不过我还是觉得人工智能的路还很遥远！

今天我想分享的这个算法其实已经不是新算法了，去年就已经出来了，只是最近发现比较有趣，可以记录一下！

动漫风格化

其实现在好多相机或者软件都有一种功能叫做动漫风格化，就是将普通的照片图片变成动漫的那种二维风格，看着像画笔画出来的动漫场景。


但是很多软件对于图片动漫化的处理效果很垃圾，或者疏忽了一些细节，特别是对于人脸的处理，动漫化过后可能都认不出自己了，因为特征被过度美化或者漏了。

AnimeGANv2网络

AnimeGANv2就是可以实现动漫风格迁移学习的网络，AnimeGANv2之前有很多其他的实现生成动漫风格的网络，像CartoonGAN，CycleGAN，ComboGAN，AnimeGANv1等等，这些都是可以将普通图片转换成动漫风格的网络算法，但是其实各有千秋，转化的最终风格也是各不相同。AnimeGANv2是AnimeGANv1的升级版，据说是在网络损失计算和训练数据上面做了改进，网络方面的改动好像是采用了VGG19，但是具体操作不太懂（可以参考第一代论文《AnimeGAN: a novel lightweight GAN for photo animation》）。然后就是训练数据的扩大，新增了宫崎骏，新海诚，金敏这三位日漫大佬的作品，这样的好处不用多说，生成的动漫图片会更加多元化，而且更加接近真正的动漫。

我们先来看看AnimeGANv2官方提供的测试图片的转换效果：
他们提供的亚洲人图片好像都是韩国的明星，比如IU，孔刘的图片：


威尔史密斯：

其实上面的图片转换没有大问题，基本保留了人物原有的特点，可以看出原型人物的大致特征，但是孔刘这张图片其实不太像，这里其实可以看出算法有个问题，这个我在后面转化许多身边男性朋友的照片时也体现了出来，这个后面总结的时候再说。

模型使用

怎么用这个网络模型呢，说实话用网上的那些软件也可以做出动漫风格的图片，但是我感觉没这个效果好，而且这个是离线的，更加能保护自己的隐私（虽然大数据时代没有隐私！！），总之，我们是可以通过代码直接用已经训练好的模型的，而且我们还可以训练自己的模型，我们有时间可以自己制作训练集，把什么国漫的一些代表作也拿去训练，没准可以让模型更加强大呢，对吧！

官方提供了两个版本的源码，另外一种太麻烦了，我用的是这种pytorch版本的：https://github.com/bryandlee/animegan2-pytorch

将源码下载下来之后操作其实就很简单了，和前面我用YOLO5的那个流程是一样的，因为现在的预训练模型使用流程都是大同小异的一套，就是为了方便大家的使用。安装依赖包的流程就是和我的这篇文章一样的流程，我们直接进入使用的步骤。

这里有三个文件夹需要重点说明一下：

首先是/weights文件夹，这个文件夹里面有四个权重参数，我们只需要用两个，一个是AnimeGANv1，一个是AnimeGANv2的参数，两个我们都可以试试，AnimeGANv2的效果明显要比AnimeGANv1要好，因为前面也说了AnimeGANv2是AnimeGANv1的升级版，当然，也可以试试其他两个模型的参数，反正AnimeGANv2的效果是我觉得最好的，我们的主角是它：

然后是/sample/inputs文件夹，这个文件夹里面装的就是我们需要转换的原型图片，最后就是模型的输出文件，我们可以创建一个/results/文件夹，这个文件夹就是装模型转化成的动漫风格的图片的。

有了这些文件夹过后，我们就可以在命令行输入一行命令运行即可运行（test.py文件就是我们的预测函数，input_dir和output_dir就填自己的路径，device是选择CPU和GPU的，如果没装GPU的化就默认CPU，就可以不用填这个参数)：

python test.py --checkpoint ./weights/face_paint_512_v2.pt --input_dir [image_folder_path] --output_dir [image_folder_path] --device [cpu/cuda]

我们来看看模型的效果，我就拿一张自己的一张丑照转化后的样子作为预测结果展示：

这张照片我自己看着很奇怪，我也拿了身边朋友的照片做实验，都发现了一些共同的问题，这其实也包括前面孔刘那张照片的问题，我个人浅薄地评论这个算法有两个很明显的不足：
1.男性的图片转化成为动漫风格的图片过后有点“娘”了，不知道有没有和我感觉一样的，这其实也是我觉得孔刘那张动漫不太像他的原因，主要的原因我觉得就是动漫化后的肤色太过于白皙细腻了，所以导致某些男性特征被掩盖，而原本肤色相对偏黑的同学应该影响会小一点，转换后会非常帅气！

2.单眼皮变双眼皮，我转换了许多人像图片进行尝试，发现单眼皮的同学在经过动漫化后都变成了大双眼皮，虽然双眼皮看着是显得眼大好看，但是少了那一味真实，容易让人认不出自己哈哈哈。其实我感觉这是训练数据的问题，可能训练数据采集的动漫人物角色都是双眼皮吧，所以模型没有学到单眼皮的识别类型哈哈哈。

写在最后

这个网络还是挺好玩的，而且可塑性很高，我们可以通过自己制作训练数据来实现更加广泛的动漫画风。本人才疏学浅，如果有错误或者理解不到位的地方请指正！