CartoonGAN 论文复现：如何将图像动漫化

作者：华为云开发者联盟

2022-12-12
中国香港
本文字数：1573 字
阅读完需：约 5 分钟

本文分享自华为云社区《cartoongan 图像动漫化》，作者： HWCloudAI 。

本案例是 CartoonGAN: Generative Adversarial Networks for Photo Cartoonization 的论文复习案例

拷贝数据之后，将你想动漫化的图像放到 cartoongan-pytorch/test_img/文件夹下，运行后面代码即可

可以切换不同生成风格，Hosoda/Shinkai/Paprika/Hayao

参考：https://github.com/venture-anime/cartoongan-pytorch

拷贝代码和数据

import moxing as moxmox.file.copy_parallel('obs://obs-aigallery-zc/clf/code/cartoongan-pytorch','cartoongan-pytorch')

复制代码

%cd cartoongan-pytorch

复制代码

运行代码

import torchimport osimport numpy as npimport torchvision.utils as vutils
from PIL import Imageimport torchvision.transforms as transformsfrom torch.autograd import Variable
import matplotlib.pyplot as plt
from network.Transformer import Transformerimport argparse
parser = argparse.ArgumentParser()parser.add_argument("--input_dir", default="test_img")parser.add_argument("--load_size", default=1280)parser.add_argument("--model_path", default="./pretrained_model")parser.add_argument("--style", default="Hosoda")  # 在这里切换风格， Hosoda/Shinkai/Paprika/Hayaoparser.add_argument("--output_dir", default="test_output")parser.add_argument("--gpu", type=int, default=0)
# opt = parser.parse_args()opt, unknown = parser.parse_known_args()valid_ext = [".jpg", ".png", ".jpeg"]
# setupif not os.path.exists(opt.input_dir):    os.makedirs(opt.input_dir)if not os.path.exists(opt.output_dir):    os.makedirs(opt.output_dir)
# load pretrained modelmodel = Transformer()model.load_state_dict(    torch.load(os.path.join(opt.model_path, opt.style + "_net_G_float.pth")))model.eval()
disable_gpu = opt.gpu == -1 or not torch.cuda.is_available()
if disable_gpu:    print("CPU mode")    model.float()else:    print("GPU mode")    model.cuda()
for i,files in enumerate(os.listdir(opt.input_dir)):    ext = os.path.splitext(files)[1]    if ext not in valid_ext:        continue    # load image    input_image = Image.open(os.path.join(opt.input_dir, files)).convert("RGB")    input_image = np.asarray(input_image)    # RGB -> BGR    input_image = input_image[:, :, [2, 1, 0]]    input_image = transforms.ToTensor()(input_image).unsqueeze(0)    # preprocess, (-1, 1)    input_image = -1 + 2 * input_image    if disable_gpu:        input_image = Variable(input_image).float()    else:        input_image = Variable(input_image).cuda()
    # forward    output_image = model(input_image)    output_image = output_image[0]    # BGR -> RGB    output_image = output_image[[2, 1, 0], :, :]    output_image = output_image.data.cpu().float() * 0.5 + 0.5    # save    vutils.save_image(        output_image,        os.path.join(opt.output_dir, files[:-4] + "_" + opt.style + ".jpg"),    )        original = np.array(Image.open(os.path.join(opt.input_dir, files)))    style = np.array(Image.open(os.path.join(opt.output_dir, files[:-4] + "_" + opt.style + ".jpg")))        plt.figure(figsize=(20,20)) # 显示缩放比例    plt.subplot(i+1,2,1)    plt.imshow(original)    plt.subplot(i+1,2,2)    plt.imshow(style)    plt.show()
print("Done!")