admin 管理员组

文章数量: 1184232

神经风格迁移：用深度神经网络生成风格化图像，通过捕获到的图像中的内容表征对输出图像做约束，就是输入图像和目标图像通过vgg提取的特征做约束。

GAN图像翻译：Image-to-image translation，主要基于conditional GAN，需要源域和目标域图像，学习两个域之间的转换，需要成对数据。cyclegan不需要成对数据。卡通画人物本质是photo-to-cartoon的translation，源域是真实照片，目标域是卡通图像。

基于预训练生成模型：本身从噪声生成一张图像，如果希望对特定的内容进行生成，需要加入内容的条件控制，主要包括stylegan和diffusion model。stylegan能够基于噪声z，利用生成器生成模拟现实域的真实人脸图像，通过transfer learning少量的卡通样本，可以对模型进行迁移学习，从而适配到卡通域，模型进过adaption之后能够生成卡通样本。

Image Cartoonization

1.GAN系列

CartoonGAN

AnimeGANv1/v2/v3

White-box-cartoonization

GAN-based multi-style photo cartoonization

2.stable diffusion webui逐帧风格化

基于stable-diffusion的视频生成，instruct-video

mov2mov

人像卡通动漫化

Portrait Stylization

DCT-Net

VToonify：Controllable High-resolution portrait video style transfer

photo2cartoon

本文标签： 如何运用 视频变身 图像

版权声明：本文标题：视频变身记：如何运用Flash中心创造动画奇迹 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/p/1770582011a3535292.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。