- 组长:华佳彬
- 组员:鄢凯瑞
- 拟解决的问题:
生成对抗网络(GAN)是一种深度学习模型,由生成器和判别器两个部分组成,通过对抗训练的方式来生成逼真的数据样本。有以下一些应用场景:
- 生成逼真的图像和视频
- 数据增强和样本生成
- 图像修复和超分辨率重建
- 风格迁移和图像转换
- 无监督学习和特征学习
- 生成虚拟数据和样本扩充
- 人脸生成和身份保护等方面,在计算机视觉和图像处理等领域具有广泛的应用。我们希望能够使用animeGAN网络来对图片进行风格动漫化,来让用户得到更多的有趣多样的图片。
- 要达成的效果:
这个项目可以实现目标为,将图片进行动漫风格化。如新海诚、宫崎骏、今敏等风格的动漫化图片。然后还可以对视频进行动漫化处理,效果如同生成动漫视频。最后对人脸部分动漫化进行优化,实现人脸局部特征的动漫化。
- 项目进度安排:
- Alpha(1/2): 确定选题,并查阅大量资料,阅读参考文献,进行初步的基础理论学习
- Alpha(1/2): 代码实现网络然后训练出模型,实现目标,能够处理图片,生成新海诚、宫崎骏等动漫风格化图片。
- Beta(1/2): 在对图片动漫化的基础,实现对视频进行动漫风格化处理,生成类似动漫的视频。
- Beta(1/2): 对图片动漫化模型进行优化,增加对人脸特侦的提取,实现对人脸的动漫化。
数据集:基于宫崎骏,新海诚,今敏的动漫影视作品采集的图像数据 数据源
代码框架:Tensorflow 1.x/2.x 图像、视频风格化 Pytorch, Dlib 人脸风格化
计算资源:GPU Colab上的Tesla K80,Tesla P100