- 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