基于生成对抗网络的漫画线稿简化算法

发布时间：2023-05-20 01:37

　　漫画创作可分为三个步骤:草图、线稿、上色。漫画家从草图绘制出线稿的过程叫做“线稿简化”。线稿清晰地勾勒出了漫画中的各种组成元素,如人物、动物等等,是理解漫画语义的关键。线稿的质量对于漫画最后呈现出的效果有至关重要的作用。但漫画绘制周期长、所有工作几乎都只能人工完成,往往需要多位漫画专业人士共同协作,从而花费大量的时间和精力。目前已经有一些关于线稿简化的研究,利用算法代替漫画家自动完成从草图到线稿的简化过程,传统方法通常使用多种边缘检测算子或基于规则和阈值识别线条与笔画,近年来生成对抗网络的应用越来越多,GAN作为一种生成模型在图像翻译领域取得了不错的成果,所以本文主要研究基于生成对抗网络的线稿简化算法。本文首先详细介绍了有关线稿简化任务的基本概念,然后从多个图片网站上收集了大量的漫画草图和线稿,并用“线稿反处理”增加了对齐数据的数量,最后构建出的训练集包含对齐数据和单独线稿两种数据,共有19228个草图线稿样本,本文还构建了一个由129组对齐的草图-线稿对组成的测试集。然后本文提出了一种新评价标准,结合定量指标和人为观察两种方法综合评价生成线稿的质量。最后在训练集上构建了基于多类数据的...

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 课题来源及研究的背景和意义
        1.1.1 课题来源
        1.1.2 课题研究的背景和意义
    1.2 国内外研究现状及分析
        1.2.1 国外研究现状
        1.2.2 国内研究现状
        1.2.3 国内外研究现状的分析
    1.3 主要研究内容
    1.4 本文章节安排
第2章 线稿简化问题概述
    2.1 引言
    2.2 线稿简化的定义
        2.2.1 草图与线稿的定义
        2.2.2 线稿简化的任务目标
    2.3 实验数据集的构造
    2.4 线稿简化任务的评价方法
    2.5 本章小结
第3章 基于单类数据的图像翻译算法迁移及改进
    3.1 引言
    3.2 基于对齐数据的pix2pix模型
        3.2.1 原始GAN
        3.2.2 pix2pix工作原理
        3.2.3 pix2pix网络结构
    3.3 基于不对齐数据的Cycle GAN模型
    3.4 实验
        3.4.1 模型实现
        3.4.2 实验结果及分析
    3.5 本章小结
第4章 基于多类数据的线稿简化算法
    4.1 引言
    4.2 基于对齐数据与单独线稿建模
        4.2.1 模型整体框架
        4.2.2 对抗损失
        4.2.3 内容损失
    4.3 基于对齐数据、单独线稿、单独草图建模
    4.4 实验
        4.4.1 模型对比
        4.4.2 改进对比
        4.4.3 Patch GAN对比
    4.5 线稿简化模型的其他应用
    4.6 本章小结
结论
参考文献
攻读硕士学位期间发表的论文及其它成果
致谢



本文编号：3820287