Anime

作者 | 高卫华 出品 | AI科技大本营 随着深度学习的发展，GAN模型在图像风格转换的应用越来越多，其中不少都实现了很好的效果。 此前，reddit上的一个技术博主AtreveteTeTe基于GAN模型混合将普通的人像照片卡通化，并通过First Order Motion模型生成了动画，引起诸多网友的热捧。像这类卡通风格的画像生成，通常对单元素的质量要求不高，对于模型的训练，会忽略一些细节上的不足。 不过，最近一个开发者在GitHub上放出了一个可用于创建线条艺术肖像的项目，基于深度学习开发了ArtLine，其创建的线条肖像画在细节上的呈现效果惊人。 项目链接： https://github.com/vijishmadhavan/ArtLine ArtLine最简单的入门方法： https://colab.research.google.com/github/vijishmadhavan/Light-Up/blob/master/ArtLine(Try_it_on_Colab).ipynb 艺术肖像线条画方面，去年清华大学曾提出一个层次化的GAN模型 APDrawingGAN ，可以有效地基于人脸照片生成高质量、富有表现力的线条画。 但APDrawingGAN在识别面部特征方面存在局限性，例如在识别与ID照片类似的正面照片时

给滤镜加上动画，是一个什么样的效果呢。效果图如下： 本示例是anime.js的滤镜动画的翻版，用SVG.js实现。代码： var draw = SVG().addTo('body').size(800, 600) const points1 = "64 68.64 8.574 100 63.446 67.68 64 4 64.554 67.68 119.426 100"; const points2 = "64 128 8.574 96 8.574 32 64 0 119.426 32 119.426 96"; var polygon, filter, turbulence, displacementMap; function make() { const color = SVG.Color.random(); polygon = draw.polygon(points1).attr({fill:color}); filter = polygon.filterWith(function(add){ turbulence = add.turbulence({ baseFrequency:".05", numOctaves:"2" }); const scale = "15"; const xChannelSelector = "R"; const yChannelSelector =

会员制影视剧网站 腾讯视频： https://v.qq.com/ 优酷： https://www.youku.com/ 爱奇艺： https://www.iqiyi.com/ 芒果TV： https://www.mgtv.com/ PPTV： http://www.pptv.com/ 搜狐视频： https://tv.sohu.com/ 乐视视频： http://www.le.com/ 风行网： http://www.fun.tv/ MeiYouAd： https://www.meiyouad.com/ 免费在线影视网址汇总 CCTV节目官网： http://tv.cctv.com/ 观看电视剧还需要flash，可以看央视节目 团长资源 —- https://tzfile.com/ —- 提供在线观看、高速下载 低端电影 —- https://1090ys.com —- 全站无水印播放不卡顿（推荐） 碟影世界 —- https://bowan.su/ —- 资源丰富、高清（后缀改为.com 新世界） 吾爱看电影 —- https://magbt.net/ —- 资源多、冷门资源、福利 力古拉斯 —- http://www.pangzitv.com/ —- 普通在线视频网站，但注册后有福利 白鹿影院 —- https://www.wanmeikk.me/ —- 免费在线，影视剧 片

目录 使用前准备 数据集 定义参数 构建网络 构建G网络 构建D网络 构建GAN网络 关于GAN的小trick 训练 总结 参考 这一篇博客以代码为主，主要是来介绍如果使用keras构建一个DCGAN，然后基于DCGAN，做一个自动生成动漫头像。训练过程如下（50轮的训练过程）“ 关于DCGAN或者GAN的相关知识，可以参考 GAN网络入门教程 。建议先了解相关知识，再来看这一篇博客。 项目地址： GitHub 使用前准备 首先的首先，我们肯定是需要数据集的，这里使用的数据集来自 kaggle——Anime Faces 。里面有21551张动漫头像的图片。大家可以到kaggle上面去下载数据集，或者说到我的 github 上去下载数据集（求个 ⭐ 不过分吧）。部分数据如下： 如果自己电脑计算机资源不是很强的话，比如我，一个mx250小水管（玩玩lol还是可以的，训练这个模型可能要等到下辈子），推荐大家去注册一个kaggle或者colab账号去白嫖GPU资源（1080，2080的玩家请随意）。不过个人更加的推荐kaggle，因为感觉它的资源分配是可见的，且可以后台运行。 数据集 数据集是动漫图片，我们可以将图片的像素点的值变成 \([-1,1]\) 之间，具体代码如下： # 数据集的位置 avatar_img_path = "./data" import imageio import

目录 使用前准备 数据集 定义参数 构建网络 构建G网络 构建D网络 构建GAN网络 关于GAN的小trick 训练 总结 参考 这一篇博客以代码为主，主要是来介绍如果使用keras构建一个DCGAN，然后基于DCGAN，做一个自动生成动漫头像。训练过程如下（50轮的训练过程）“ 关于DCGAN或者GAN的相关知识，可以参考 GAN网络入门教程 。建议先了解相关知识，再来看这一篇博客。 项目地址： GitHub 使用前准备 首先的首先，我们肯定是需要数据集的，这里使用的数据集来自 kaggle——Anime Faces 。里面有21551张动漫头像的图片。大家可以到kaggle上面去下载数据集，或者说到我的 github 上去下载数据集（求个 ⭐ 不过分吧）。部分数据如下： 如果自己电脑计算机资源不是很强的话，比如我，一个mx250小水管（玩玩lol还是可以的，训练这个模型可能要等到下辈子），推荐大家去注册一个kaggle或者colab账号去白嫖GPU资源（1080，2080的玩家请随意）。不过个人更加的推荐kaggle，因为感觉它的资源分配是可见的，且可以后台运行。 数据集 数据集是动漫图片，我们可以将图片的像素点的值变成 \([-1,1]\) 之间，具体代码如下： # 数据集的位置 avatar_img_path = "./data" import imageio import

目录 使用前准备 数据集 定义参数 构建网络 构建G网络 构建D网络 构建GAN网络 关于GAN的小trick 训练 总结 参考 这一篇博客以代码为主，主要是来介绍如果使用keras构建一个DCGAN，然后基于DCGAN，做一个自动生成动漫头像。训练过程如下（50轮的训练过程）“ 关于DCGAN或者GAN的相关知识，可以参考 GAN网络入门教程 。建议先了解相关知识，再来看这一篇博客。 项目地址： GitHub 使用前准备 首先的首先，我们肯定是需要数据集的，这里使用的数据集来自 kaggle——Anime Faces 。里面有21551张动漫头像的图片。大家可以到kaggle上面去下载数据集，或者说到我的 github 上去下载数据集（求个 ⭐ 不过分吧）。部分数据如下： 如果自己电脑计算机资源不是很强的话，比如我，一个mx250小水管（玩玩lol还是可以的，训练这个模型可能要等到下辈子），推荐大家去注册一个kaggle或者colab账号去白嫖GPU资源（1080，2080的玩家请随意）。不过个人更加的推荐kaggle，因为感觉它的资源分配是可见的，且可以后台运行。 数据集 数据集是动漫图片，我们可以将图片的像素点的值变成 \([-1,1]\) 之间，具体代码如下： # 数据集的位置 avatar_img_path = "./data" import imageio import

目录 使用前准备 数据集 定义参数 构建网络 构建G网络 构建D网络 构建GAN网络 关于GAN的小trick 训练 总结 参考 这一篇博客以代码为主，主要是来介绍如果使用keras构建一个DCGAN，然后基于DCGAN，做一个自动生成动漫头像。训练过程如下（50轮的训练过程）“ 关于DCGAN或者GAN的相关知识，可以参考 GAN网络入门教程 。建议先了解相关知识，再来看这一篇博客。 项目地址： GitHub 使用前准备 首先的首先，我们肯定是需要数据集的，这里使用的数据集来自 kaggle——Anime Faces 。里面有21551张动漫头像的图片。大家可以到kaggle上面去下载数据集，或者说到我的 github 上去下载数据集（求个 ⭐ 不过分吧）。部分数据如下： 如果自己电脑计算机资源不是很强的话，比如我，一个mx250小水管（玩玩lol还是可以的，训练这个模型可能要等到下辈子），推荐大家去注册一个kaggle或者colab账号去白嫖GPU资源（1080，2080的玩家请随意）。不过个人更加的推荐kaggle，因为感觉它的资源分配是可见的，且可以后台运行。 数据集 数据集是动漫图片，我们可以将图片的像素点的值变成 \([-1,1]\) 之间，具体代码如下： # 数据集的位置 avatar_img_path = "./data" import imageio import

目录 使用前准备 数据集 定义参数 构建网络 构建G网络 构建D网络 构建GAN网络 关于GAN的小trick 训练 总结 参考 这一篇博客以代码为主，主要是来介绍如果使用keras构建一个DCGAN，然后基于DCGAN，做一个自动生成动漫头像。训练过程如下（50轮的训练过程）“ 关于DCGAN或者GAN的相关知识，可以参考 GAN网络入门教程 。建议先了解相关知识，再来看这一篇博客。 项目地址： GitHub 使用前准备 首先的首先，我们肯定是需要数据集的，这里使用的数据集来自 kaggle——Anime Faces 。里面有21551张动漫头像的图片。大家可以到kaggle上面去下载数据集，或者说到我的 github 上去下载数据集（求个 ⭐ 不过分吧）。部分数据如下： 如果自己电脑计算机资源不是很强的话，比如我，一个mx250小水管（玩玩lol还是可以的，训练这个模型可能要等到下辈子），推荐大家去注册一个kaggle或者colab账号去白嫖GPU资源（1080，2080的玩家请随意）。不过个人更加的推荐kaggle，因为感觉它的资源分配是可见的，且可以后台运行。 数据集 数据集是动漫图片，我们可以将图片的像素点的值变成 \([-1,1]\) 之间，具体代码如下： # 数据集的位置 avatar_img_path = "./data" import imageio import

公众号：空名先生 本文大概 1287字 阅读需要 4分钟 今天是设计网站推荐的最后一期了，往期内容请看这。 最下面有所有网址脑图。 设计网站中的精品--第一期- 创作灵感 设计网站中的精品--第二期 -图片资源 设计网站中的精品--第 三期 -以图搜图 设计网站中的精品--第四期 -气 质字体 设计网站中的精品--第 五期 -Logo设计 最后来点养眼的高逼格东西，平时用电脑最先映入眼帘的———壁纸 一个好的壁纸能从心理上提升操作感。这次推荐绝对让你的屏幕或者朋友圈帅到爆炸。 在这简单预览几个，我已经筛选打包了一些各种超高清无水印壁纸，最下方有宝藏获取方式。 图片权利归原作者所有。 壁纸空间——Wallroom.io 壁纸房间(WallRoom)是一个提供免费高清4K/5K电脑壁纸的站点，所提供的壁纸分辨率主要有1920px、2560px、2880px、4K、5K、8K、双屏壁纸(dual)六种，该网站无任何广告，看起看出壁纸都是站长亲手选的而非采集，推荐给喜欢收藏图片壁纸的朋友。 Wallhaven——https://wallhaven.cc/ 它是一个社区型的壁纸网站，为用户提供了很多人性化的体验，这种优秀的用户体验+上质量上乘的壁纸，再对比其他广告满天飞又收费的网站，真的是很良心了。 别样网——https://www.ssyer.com/ 依托于原创设计并以此为核心打造

今天看见徒弟写个css属性这么慢，是在是看不下去了，就问了他有没有用过一些辅助工具，他说没有，额。。。我也是很无语，没办法，谁叫我是他师傅呢。还是要尽到一个师傅的责任。所以就利用休息时间给他讲了19个辅助工具，满满的干货呀。我这也是第一次给别人说这么多，这么详细，想想还不错，教给别人东西的感觉是不一样的，别说是徒弟呢。 CSS代码生成器 我："你曾经是不是想记住如何声明渐变，文本阴影，Flexbox或Grid的CSS属性。 徒弟："是的" 我：“那你还真是不容易呀，你如果不是一直在用某些css功能和属性，不然很难记住这些玩意儿呀，除非你是记忆大师，但是你也不是呀。就算是精通css的人有时也要进行属性的复习。师傅我就是这样，不断去复习，不是说看一遍就ok了。这里师傅就给你推荐一个辅助工具，css生成器” 徒弟：“谢谢师傅” 我：“都是打工的，别说客气话，做技术的要懂得分享嘛。如果都掖着藏着，也很难提升自己。来，看这，仔细听好了” CSS3 Generator “CSS3 Generator 是一款免费的在线应用，它可以让你快速编写一些现代CSS功能的代码，如Flexbox、渐变、过渡和变换等。 输入所需的CSS值，实时预览结果，复制并粘贴生成的代码。此外，此应用程序还会显示支持CSS代码的浏览器及其版本的列表。 ” 终极CSS Generator “CSS Generator