Нейросеть для создания Аниме Артов

О StyleGAN

StyleGAN представлена в 2018 году. Она использует стандартную архитектуру GAN, применяемую в ProGAN, но черпает вдохновение из механизма передачи стиля. StyleGAN модифицирует свою генераторную сеть (генератор), которая создаёт изображение путём его многократного увеличения: 8px → 16px → 32px → 64px → 128px и т. д. При этом на каждом уровне используется комбинация случайных входных данных или «стилевого шума» (“style noise”) с AdaIN. Это указывает генератору, как стилизовать изображения с определённым разрешением: изменить волосы, текстуру кожи и так далее. Систематически создавая такую случайность на каждом этапе процесса формирования изображения, StyleGAN может эффективно выбирать более удачные варианты.

Стиль аниме становится все более популярным во всем мире, отчасти благодаря успеху культовых аниме-сериалов, таких как Жемчуг дракона, Наруто и Сейлор Мун. Популярность аниме также подпитывается ростом цифровых медиа и потоковых сервисов, которые упростили фанатам доступ к аниме-контенту и обмен им.

В последующие десятилетия аниме превратилось в особый стиль под влиянием как традиционного японского искусства, так и западной анимации. Одной из наиболее важных фигур в развитии стиля аниме был Осаму Тэдзука, который создал Astro Boy в 1963 году. В этом культовом аниме-сериале были представлены характерные дизайны персонажей и методы повествования, которые впоследствии определили стиль аниме.

StyleGAN стала настоящим прорывом, поскольку предоставляла возможности уровня ProGAN, но работала быстрее. Эта сеть с радикально иной архитектурой минимизирует потребность в медленном прогрессивном росте (возможно, полностью его исключая) и эффективно обучается на изображениях с разным разрешением. Кроме того, она позволяет контролировать генерируемые кадры с помощью механизма передачи стиля.

Стоит отметить, что лица получаются очень разнообразными: меняется не только цвет волос или глаз, ориентация головы и другие мелкие детали, но и общий стиль. Изображения могут быть похожи на кадр из мультфильма, компьютерную графику, аниме 90-х и 00-х годов и даже на рисунки акварелью или маслом.

P.S. Помните, что «нет предела совершенству». Даже если первый результат вас не полностью устроит, не отчаивайтесь! Попробуйте изменить запрос или добавить новые детали. В конце концов, Rome wasn’t built in a day, и создание идеального аниме арта тоже требует практики и терпения.

StyleGAN — та самая нейросеть, которая генерирует лица несуществующих людей на сайте thispersondoesnotexist.com. Исследователь Gwern Branwen вывел её на новый уровень и научил создавать несуществующие лица персонажей аниме, запустив свой сайт thiswaifudoesnotexist.net. На нём каждые 15 секунд появляется новый персонаж и его история, также генерируемая искусственным интеллектом. Сегодня мы расскажем, как самому обучить нейросеть для создания аниме-лиц с помощью StyleGAN.

Стиль аниме — это характерный и узнаваемый художественный стиль, который развивался в течение десятилетий экспериментов и инноваций. Использование ярких цветов, преувеличенных черт и эмоциональных выражений помогло создать одних из самых запоминающихся и любимых персонажей в истории анимации. Поскольку популярность аниме продолжает расти, мы можем ожидать новых инноваций и экспериментов, которые раздвигают границы этой динамичной и выразительной формы искусства.

Модификаторы рейтинга

Стиль аниме впервые появился в Японии в начале 1900-х годов, когда японские аниматоры начали экспериментировать с различными техниками анимации. Первый аниме-фильм, Кацудо Шашин (1907 г.), представлял собой двухминутный клип, в котором мальчик пишет символы для «кинофильма» на доске, за которым следует короткая анимация точки на доске, которая движется, а затем превращается в кошка.

Anime XL — мощный инструмент для генерации высококачественных аниме-изображений. Однако, чтобы получить наилучшие результаты, важно правильно составлять подсказки (prompts). В этой статье мы рассмотрим рекомендации по использованию тегов и модификаторов для создания впечатляющих картинок.

Gwern пробовал решить задачу с помощью ряда существующих генеративных сетей: StackGAN / StackGAN ++ & Pixel * NN *, WGAN-GP, Glow, GAN-QP, MSG-GAN, SAGAN, VGAN, PokeGAN, BigGAN 3, ProGAN и StyleGAN. Многие из них начинали либо расходиться после одного или двух дней обучения, либо создавать ограниченный диапазон лиц (или одно лицо), либо просто сходиться к изображениям плохого качества.

Стиль аниме относится к отличительному и узнаваемому художественному стилю, который возник в Японии и становится все более популярным во всем мире. Термин «аниме» является японской аббревиатурой слова «анимация» и относится к анимированному контенту, который производится в Японии. Стиль аниме характеризуется использованием ярких цветов, преувеличенными чертами лица и выразительными эмоциями.

В попытках заставить компьютер рисовать аниме есть что-то забавное — это уж точно интереснее, чем работать со снимками знаменитостей или с датасетом ImageNet! Кроме того, рисунки и аниме отличаются от фотографий, которые сейчас очень часто используются в задачах машинного обучения. Если нейросети научатся генерировать случайные нарисованные изображения, то совсем скоро станет возможна генерация картин и фотографий по их текстовому описанию.

Первый успех продемонстрировали сети BigGAN и ProGAN: они показали, что обычные CNN могут научиться генерировать и масштабировать чёткие аниме-изображения. Сеть ProGAN была достаточно мощной, но требовала около 6 недель обучения на GPU. Поэтому ей на смену пришла StyleGAN — более быстрая архитектура, с которой можно обучать объёмные модели на больших наборах данных.