帶你讀AI論文丨ACGAN-動漫頭像生成( 二 )


帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.代碼移植ModelArts2.1 ModelArts簡介ModelArts是面向AI開發者的一站式開發平臺 , 提供海量數據預處理及半自動化標注、大規模分布式訓練、自動化模型生成及端-邊-云模型按需部署能力,幫助用戶快速創建和部署模型,管理全周期AI工作流 。
“一站式”是指AI開發的各個環節 , 包括數據處理、模型訓練、模型部署都可以在ModelArts上完成 。從技術上看,ModelArts底層支持各種異構計算資源,開發者可以根據需要靈活選擇使用,而不需要關心底層的技術 。同時 , ModelArts支持Tensorflow、PyTorch、MindSpore等主流開源的AI開發框架,也支持開發者使用自研的算法框架,匹配用戶的使用習慣 。
ModelArts的理念就是讓AI開發變得更簡單、更方便 。面向不同經驗的AI開發者,提供便捷易用的使用流程 。例如:
  • 面向業務開發者,不需關注模型或編碼,可使用自動學習流程快速構建AI應用;
  • 面向AI初學者,不需關注模型開發,使用預置算法構建AI應用;
  • 面向AI工程師,提供多種開發環境,多種操作流程和模式,方便開發者編碼擴展,快速構建模型及應用 。
2.1.1 ModelArts特點? 自動學習;
? 數據管理;
? 開發環境;
? 算法、訓練、模型、部署 。
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.1.2 Notebook開發環境
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.2 ACGAN-動漫頭像生成使用的數據集64*64的動漫頭像,共36740張 。
數據可以存放在對象存儲服務(Object Storage Service, OBS) 。
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.3 代碼講解2.3.1輸入
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.3.2判別器
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.3.3生成器
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.3.4 PixelShuffle主要實現了這樣的功能:N*(C* r* r)*W*H——>>N*C*(H*r)*(W*r) 。
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.3.5損失函數
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.3.6優化器
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.3.7訓練
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.3.8模型預測
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.4查看效果
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.5后期優化方向
帶你讀AI論文丨ACGAN-動漫頭像生成

文章插圖
2.6參考網址/體驗網址參考網址:
https://blog.csdn.net/forlogen/article/details/93852960
https://blog.csdn.net/qq_24477135/article/details/85758496
https://www.cnblogs.com/punkcure/p/7873566.html
https://www.zjusct.io/2019/06/16/Animation%20Avatar%20Generation/
https://blog.csdn.net/u014636245/article/details/98071626
體驗網址:
GitHub網址: https://github.com/makegirlsmoe/makegirlsmoe_web
在線體驗: https://make.girls.moe/#/
3.總結ACGAN-動漫頭像生成是一個十分優秀的開源項目,針對已有的動漫人物頭像生成方法中生成結果的多樣性較差,且難以準確地按照用戶想法按類生成或按局部細節生成的問題,基于含輔助分類器的對抗生成網絡(ACGAN),結合互信息理論、多尺度判別等方法,最終用于動漫人物頭像的生成 。
此項目在生成圖像的過程中使得生成的圖像更接近于樣本集 , 這樣在顯得更真實的同時又不發生模式崩塌;但是如何人為定義連續標簽以控制細節,而不是通過模型自學習產生仍是值得繼續研究的問題 。

推薦閱讀