效果爆炸的开源漫画变身AI，火到服务器几度挤爆

排队 1241 人，等待 2600 秒。

—— 这届网友为了看一眼自己在动漫里的样子，可真是拼了。

始作俑者是一款可以把人像变动漫的生成器。

什么国民老婆王冰冰:

什么国民妹妹IU:

什么科技圈大佬，EDG 成员，金发美女，容嬷嬷。

发丝，眉宇，甚至眼神里流露出来的情绪，都给你描绘得淋漓尽致。

视频效果

这也难怪网友把服务器都给挤爆了。

随便翻翻大家的作品，简直是深不见底。

再看看 GitHub 上的相关项目，果然也冲上了趋势榜第一名。

这个 AnimeGAN，真是厉害了！

如何给自己捏一个动漫脸。

看完展示的效果，你是不是也想打造一个自己专属的漫画脸了呢。

这个可以有，现在就手把手教你。上周，雷锋网深度探访了华为云贵安数据中心(一期)。

第一种方法就 very very 简单了，只需要上传一张照片就可以。

提供在线玩法的网站，就是那个著名的抱抱脸。

BUT！！！

也正如刚才提到的，现在这个 AI 着实有点太火了，简单的在线方法，就等同于排大队。

这不，等了 5259 秒之后，前面还有 15 人。

如果不想排队怎么办。

接下来，就是第二种方法了 —— 上代码！

热心网友在苦等了 3 小时之后，终于还是忍不住了，强烈安利 Colab 版本:

先运行一下文档里的前两段代码，然后只需要简单修改照片路径即可。

当然，如果想加大难度挑战一下，AnimeGANv2 的 GitHub 项目也是有的哈:

风格迁移 + GAN

那么，如此效果的背后，到底是用了什么原理呢。预计贵安数据中心将成为华为全球最大的云数据中心，整体项目完成后，将容纳100万台服务器。

AnimeGAN 是来自武汉大学和湖北工业大学的一项研究，采用的是神经风格迁移 + 生成对抗网络的组合。

它其实是基于 CartoonGAN 的改进，并提出了一个更加轻量级的生成器架构。

AnimeGAN 的生成器可以视作一个对称的编码器—解码器网络，由标准卷积，深度可分离卷积，反向残差块，上采样和下采样模块组成。。

为了有效减少生成器的参数数量，AnimeGAN 的网络中使用了 8 个连续且相同的 IRB。

在生成器中，具有 1×1 卷积核的最后一个卷积层不使用归一化层，跟随其后的是 tanh 非线性激活函数。

上图中，K 为内核大小，C 为特征图数量，S 为每个卷积层的跨度，H 是特征图的高度，W 是特征图的宽度，Resize 值用于设置特征图大小的插值方法，⊕表示逐元素加法。

而此次的 V2 版本，是基于第一代 AnimeGAN 的升级，主要解决了模型生成的图像中存在高频伪影的问题。

具体而言，所采取的措施是使用特征的层归一化，来防止网络在生成的图像中产生高频伪影。

AnimeGANv2 的生成器参数大小为 8.6MB，而 AnimeGAN 的生成器参数大小为 15.8MB。

它俩使用的鉴别器大致相同，区别在于 AnimeGANv2 使用的是层归一化，而不是实例归一化。

网友:我变漂亮了

这个 AI 可算是圈了一众粉丝。

有些网友冲进二次元之后，发现了自己惊人的美貌:

它把我变漂亮了！

而且非常骄傲的晒出了自己的漫画脸。

还有网友看完比尔盖茨的效果之后，直呼:

天！盖茨看起来聪明又性感。

就连新海诚导演都曾转发过 AnimeGAN 的作品呢。

One More Thing

最后，大家上手之前一定要注意，虽然 AnimeGAN 展示的效果都是比较好的，但这有一个大前提:

照片一定要高清，五官尽量要清晰！

不然画风可能就会变得诡异。

那么，你在漫画里是什么样子。

快去试试吧~

在线 Demo:

Colab 版本:

GitHub 地址:

。