排隊 1241 人，等待 2600 秒。

—— 這屆網(wǎng)友為了看一眼自己在動漫里的樣子，可真是拼了。

始作俑者是一款可以把人像變動漫的生成器。

什么國民老婆王冰冰:

什么國民妹妹IU:

什么科技圈大佬，EDG 成員，金發(fā)美女，容嬤嬤。上周，雷鋒網(wǎng)深度探訪了華為云貴安數(shù)據(jù)中心(一期)。

發(fā)絲，眉宇，甚至眼神里流露出來的情緒，都給你描繪得淋漓盡致。

視頻效果

這也難怪網(wǎng)友把服務(wù)器都給擠爆了。

隨便翻翻大家的作品，簡直是深不見底。

再看看 GitHub 上的相關(guān)項目，果然也沖上了趨勢榜第一名。

這個 AnimeGAN，真是厲害了！

如何給自己捏一個動漫臉。

看完展示的效果，你是不是也想打造一個自己專屬的漫畫臉了呢。

這個可以有，現(xiàn)在就手把手教你。

第一種方法就 very very 簡單了，只需要上傳一張照片就可以。預(yù)計貴安數(shù)據(jù)中心將成為華為全球最大的云數(shù)據(jù)中心，整體項目完成后，將容納100萬臺服務(wù)器。

提供在線玩法的網(wǎng)站，就是那個著名的抱抱臉。

BUT?。?！

也正如剛才提到的，現(xiàn)在這個 AI 著實有點太火了，簡單的在線方法，就等同于排大隊。

這不，等了 5259 秒之后，前面還有 15 人。

如果不想排隊怎么辦。

接下來，就是第二種方法了 —— 上代碼！

熱心網(wǎng)友在苦等了 3 小時之后，終于還是忍不住了，強烈安利 Colab 版本:

先運行一下文檔里的前兩段代碼，然后只需要簡單修改照片路徑即可。

當(dāng)然，如果想加大難度挑戰(zhàn)一下，AnimeGANv2 的 GitHub 項目也是有的哈:

風(fēng)格遷移 + GAN

那么，如此效果的背后，到底是用了什么原理呢。

AnimeGAN 是來自武漢大學(xué)和湖北工業(yè)大學(xué)的一項研究，采用的是神經(jīng)風(fēng)格遷移 + 生成對抗網(wǎng)絡(luò)的組合。

它其實是基于 CartoonGAN 的改進，并提出了一個更加輕量級的生成器架構(gòu)。

AnimeGAN 的生成器可以視作一個對稱的編碼器—解碼器網(wǎng)絡(luò)，由標(biāo)準(zhǔn)卷積，深度可分離卷積，反向殘差塊，上采樣和下采樣模塊組成。

為了有效減少生成器的參數(shù)數(shù)量，AnimeGAN 的網(wǎng)絡(luò)中使用了 8 個連續(xù)且相同的 IRB。

在生成器中，具有 1×1 卷積核的最后一個卷積層不使用歸一化層，跟隨其后的是 tanh 非線性激活函數(shù)。。

上圖中，K 為內(nèi)核大小，C 為特征圖數(shù)量，S 為每個卷積層的跨度，H 是特征圖的高度，W 是特征圖的寬度，Resize 值用于設(shè)置特征圖大小的插值方法，⊕表示逐元素加法。

而此次的 V2 版本，是基于第一代 AnimeGAN 的升級，主要解決了模型生成的圖像中存在高頻偽影的問題。

具體而言，所采取的措施是使用特征的層歸一化，來防止網(wǎng)絡(luò)在生成的圖像中產(chǎn)生高頻偽影。

AnimeGANv2 的生成器參數(shù)大小為 8.6MB，而 AnimeGAN 的生成器參數(shù)大小為 15.8MB。

它倆使用的鑒別器大致相同，區(qū)別在于 AnimeGANv2 使用的是層歸一化，而不是實例歸一化。

網(wǎng)友:我變漂亮了

這個 AI 可算是圈了一眾粉絲。

有些網(wǎng)友沖進二次元之后，發(fā)現(xiàn)了自己驚人的美貌:

它把我變漂亮了！

而且非常驕傲的曬出了自己的漫畫臉。

還有網(wǎng)友看完比爾蓋茨的效果之后，直呼:

天！蓋茨看起來聰明又性感。

就連新海誠導(dǎo)演都曾轉(zhuǎn)發(fā)過 AnimeGAN 的作品呢。

One More Thing

最后，大家上手之前一定要注意，雖然 AnimeGAN 展示的效果都是比較好的，但這有一個大前提:

照片一定要高清，五官盡量要清晰！

不然畫風(fēng)可能就會變得詭異。

那么，你在漫畫里是什么樣子。

快去試試吧~

在線 Demo:

Colab 版本:

GitHub 地址:

。