訂閱
糾錯(cuò)
加入自媒體
當(dāng)前位置： OFweek 人工智能網(wǎng)   >   計(jì)算機(jī)視覺   >  正文

深蘭科技|計(jì)算機(jī)視覺+藝術(shù)處理，現(xiàn)實(shí)場景秒變動(dòng)漫大片

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(gè)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(shí)圖像內(nèi)容的內(nèi)容損失，如公式所示：

深蘭科技|計(jì)算機(jī)視覺+藝術(shù)處理，現(xiàn)實(shí)場景秒變動(dòng)漫大片


可以看到公式②中比普通GAN損失多加了一個(gè)，也就多了一個(gè)數(shù)據(jù)集。那這個(gè)數(shù)據(jù)集怎么來的，它是通過對原始卡通圖像進(jìn)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(luò)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(fēng)格遷移）里面的內(nèi)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(gè)正則化。

深蘭科技|計(jì)算機(jī)視覺+藝術(shù)處理，現(xiàn)實(shí)場景秒變動(dòng)漫大片

圖2－2清晰動(dòng)漫圖（左）、邊緣模糊圖（右）

2．3 初始化技巧

作者引入一個(gè)初始化技巧，用公式③中的損失先來單獨(dú)訓(xùn)練G，大概訓(xùn)練10個(gè)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(shí)場景的內(nèi)容，因?yàn)槠胀ǖ膯蜗騁AN要是沒有加入一些限制很難穩(wěn)定保證原始圖片的內(nèi)容，大多會出現(xiàn)扭曲或更嚴(yán)重的情況。

3．總結(jié)

經(jīng)過上述的技術(shù)細(xì)節(jié)來訓(xùn)練CartoonGAN，就可以將現(xiàn)實(shí)的場景完美的轉(zhuǎn)換成漫畫風(fēng)格。

最后，我們就來欣賞一些漂亮的轉(zhuǎn)換結(jié)果。

深蘭科技|計(jì)算機(jī)視覺+藝術(shù)處理，現(xiàn)實(shí)場景秒變動(dòng)漫大片

深蘭科技|計(jì)算機(jī)視覺+藝術(shù)處理，現(xiàn)實(shí)場景秒變動(dòng)漫大片

深蘭科技|計(jì)算機(jī)視覺+藝術(shù)處理，現(xiàn)實(shí)場景秒變動(dòng)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(diǎn)僅代表作者本人，不代表OFweek立場。如有侵權(quán)或其他問題，請聯(lián)系舉報(bào)。

發(fā)表評論

共0條評論，0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個(gè)字

您提交的評論過于頻繁，請輸入驗(yàn)證碼繼續(xù)

  • 看不清，點(diǎn)擊換一張  刷新

暫無評論

暫無評論

    掃碼關(guān)注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯(cuò)
    x
    *文字標(biāo)題：
    *糾錯(cuò)內(nèi)容：
    聯(lián)系郵箱：
    *驗(yàn) 證 碼：

    粵公網(wǎng)安備 44030502002758號