4 0 0 - 1 0 0 - 5 6 7 8

科学技术

自制二次元美少女超简单!这款AI让你30秒梦想成

  自制二次元美少女超简单!这款AI让你30秒梦想成真

  ▲只要简单选择几个特征,就能在30秒内生成出属于自己的二次元美少女。

  

   最近二次元爱好者们可能会异常兴奋。来自复旦大学、同济大学、卡内基梅隆大学和石溪大学共6位学生(其实本科都在复旦)搭建了一个利用人工智能自动生成精美动漫角色的网站MakeGirls.moe。

   对于用户来说操作非常简单,只需要选择自己喜爱的头发、眼睛、微笑、张嘴等等特征,然后点击 generate 就可以通过训练出的AI 模型来生成一个动漫人物。该网站上线后数天,浏览量便增加到10k+ 每小时。

  

   其repo在github trending上也一度排到第四位。该网站所使用的技术在其论文《Create Anime Characters with AI !》中进行了详细说明。

   其实这并不是第一个将AI 应用到动漫当中的模型。2015 年Soumith Chintala等人开发DCGAN 后不久,就有人将DCGAN 应用到了生成动漫角色当中,出现了ChainerDCGAN 、 IllustrationGAN 和AnimeGAN 等,三者分别使用了Chainer 、 TensorFlow 和PyTorch 的框架,它们本质上都是DCGAN ,只是实现方式不同。

  

   但这些模型的效果并不是很好,尤其是会出现面部头像模糊和扭曲的问题。在MakeGirls.moe 的模型中,作者针对这些问题做出了两方面的改进。

  

  一、使用更高品质的图像库

  

   之前几家,他们训练模型所使用的数据集大多数是使用爬虫从网络上爬下来的,这类图片在品质和画风上参差不齐,甚至还有一些背景。训练数据集品质的低下会给训练造成很大的影响。本文的作者则通过从日本的游戏贩卖商Getchu 购买了高品质的图像,这些图像基本出于专业画师之手,同时背景统一。

   除了高品质的图像外为了训练网络模型,作者使用了一种基于CNN 的图像分析工具Illustration2Vec ,对图像中动漫人物的属性,如头发颜色、眼睛颜色、发型和表情等做标记。

  

   此外,在训练的过程中他们还发现发布时间越晚的图片,训练出的模型效果越好。这不难理解,随着游戏角色制作和CG 技术的发展,越是现代的图片,细节越丰富,如阴影和头发。所以作者舍弃了2005 年之前的全部数据,并过滤掉解析度低于128*128 的图像,用剩下的31255 张高品质图像进行训练。

  

  二、模型结构

  

   作者采用了今年5月份发表的DRAGAN模型(https://arxiv.org/pdf/1705.07215.pdf),这种模型所使用的计算量相对较少,收敛较快而且能够产生更稳定的结果。而在优化生成器的过程中,受ACGAN的启发,不仅向生成器提供了标签数据,连 杂讯 数据也一并提供,之后再为判别器增加多标签分类功能。

  

  下面展示一下效果

   虽然训练出的模型大多数时候都比较好,但该模型仍然存在一些缺点。问题仍出在数据集中,由于训练数据中各个属性(发色、发型、眼镜、帽子等)的数量分布不均匀,某些属性的生成并不理想(例如眼镜和帽子常常不能生成) ,如果将某些罕见的属性组合,生成的图片甚至会崩溃(例如帽子+眼镜)。

  

   也许当增加数据集的数量,训练出的模型生成图片品质可以进一步提高。(公众号:)认为,按照此趋势AI 或许在不久将替代掉插画师的一部分工作。

  

   访问网站:MakeGirls.moe(已有训练好的模型,打开就可以尝试生成)

  

  

   除特别注明外,本站所有文章均为 人工智能学习网 原创,转载请注明出处来自自制二次元美少女超简单!这款AI让你30秒梦想成真

今日热点