\u200E
PaddleWeekly | 有了它,无需艺术细胞你也能绘制沙画
发布日期:2021-07-23T10:52:00.000+0000 浏览量:66次
开源发展至今,越来越多的开发者使用开源代码的同时,也开始将自己的项目和代码大方骄傲地分享出来,在开源当中找到了成就和价值。更多的开发者得益于开源的优势,从加入使用,到共同开发。如此正向循环,不断地推动开源生态发展,开源社区也不断地壮大。

无技术非硬核,两分钟体验沙画生成器!





AI创意小工具:沙画生成器






中国有着深远的沙画历史,由于前期国外的发展与媒体等因素,外国画家将沙画表演首先占据了人们的意识,但该艺术形式并非起源于国外。随着国内艺术的新青年纷纷效仿,沙画表演也渐渐进入大众视野,成为一种极具观赏性的艺术形式。


在深度学习中,由于近年来GAN(Generative Adversarial Networks)对抗式生成神经网络在深度学习的无监督领域持续发展,在能力上可轻松实现形容合成、生成、判别等基础任务。

沙画生成器也是如此,其原理为在训练模型时使用原始图像与带有沙画风格的图像依次作为输入,通过Encoder网络结构提取其特征,得到图像特征后由Decoder网络进行“生成”,最终判别模型会对输入的沙画风格图像与生成的“假图像”进行分辨并对生成模型进行反馈。

当判别器无法正确区分生成的图像是否为假图像时,可能生成模型已经具备了以假乱真的生成能力,这时向生成器输入原始图像即可获得较为真实的沙画作品。


开发者KevinFu在创作之初曾尝试采用预训练版本的MsgNet和Stylepro Artistic与若干沙画风格的图像数据集进行Finetune,但为了方便更快的训练与调优,开源版本选择的MsgNet结构为主的深度学习模型来更加快捷地“创作”沙画。

当然,如果不考虑训练成本的情况下使用Stylepro Artistic进行沙画生成可能会取得更好的模型效果,该模型提出了一种基于无参数的风格投影策略,针对学习不稳定、内容和样式细节丢失、笔划模式不自然等问题提出了一种用于任意样式转换的实时前馈模型,包括用于匹配输入和输出之间的内容语义的正则化。大量的实验证明了该方法在定性分析、定量评价和用户研究等方面的有效性和有效性,在风格迁移方面也可轻松产出更高质量的生成数据。



项目维护者: KevinFu
主要框架/工具组件: PaddleHub
GitHub链接:
https://github.com/kevinfu1717/sand-painting

扫码进入项目主页

开源项目不在规模大小,大的开源项目成为行业翘楚,提供全面解决思路和方式,但小项目一样激动人心,创意傲人。

如果你想推荐自己的项目,可将项目链接和简要的描述发送给GT,即有机会参与项目推荐并获得 飞桨周边小礼品一份 ,你的代码也能给别人带来效率和价值!(联系方式微信 / QQ 1029550448)


如有飞桨相关技术有问题,欢迎在飞桨论坛中提问交流:
http://discuss.paddlepaddle.org.cn/

欢迎加入官方QQ群获取最新活动资讯:793866180

如果您想详细了解更多飞桨的相关内容,请参阅以下文档。

·飞桨官网地址·
https://www.paddlepaddle.org.cn/

·飞桨开源框架项目地址·
GitHub: https://github.com/PaddlePaddle/Paddle 
Gitee: https://gitee.com/paddlepaddle/Paddle

长按上方二维码立即star!


飞桨(PaddlePaddle)以百度多年的深度学习技术研究和业务应用为基础,集深度学习核心训练和推理框架、基础模型库、端到端开发套件和丰富的工具组件于一体,是中国首个自主研发、功能丰富、开源开放的产业级深度学习平台。飞桨企业版针对企业级需求增强了相应特性,包含零门槛AI开发平台EasyDL和全功能AI开发平台BML。EasyDL主要面向中小企业,提供零门槛、预置丰富网络和模型、便捷高效的开发平台;BML是为大型企业提供的功能全面、可灵活定制和被深度集成的开发平台。



END