実写をアニメ風に変換してくれるAnimeGANやーる（Windows10、Python3.6）

はじめに

実写をアニメ風に変換してくれるAnimeGANをやってみました。

システム環境

• Windows10（RTX2080 Max-Q、i7-8750H、RAM16GB）
• Anaconda 2020.02
• Python 3.6
• CUDA 9.0

導入

AnimeGANをクローンします。

animegan用の環境を作成します。

$ conda create -n animegan python=3.6
$ conda activate animegan
$ pip install tensorflow-gpu==1.8.0
$ pip install tqdm
$ pip install scipy
$ pip install opencv-python
$ cd AnimeGAN-master

AnimeGAN-masterにdatasetを置きます。

Haoyao-styleの中身をcheckpoint\AnimeGAN_Hayao_lsgan_300_300_1_3_10へコピペします

CUDA 9.0をインストールします。

C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin\cudart64_90.dllをAnimeGAN-masterにコピペします。

下記を実行すると

$ python test.py --checkpoint_dir checkpoint/AnimeGAN_Hayao_lsgan_300_300_1_3_10 --test_dir dataset/test/real --style_name H

エラーが出ました。

return _bootstrap._gcd_import(name[level:], package, level)
ImportError: DLL load failed: 指定されたモジュールが見つかりません。

windows10 への tensorflow インストール（特定のエラー向け）を参考にvc_redist.x64.exeをインストールします。

vgg19_weightにvgg19.npyを置きます

実行するとまたエラーがでました。

tensorflow.python.framework.errors_impl.InternalError: Blas SGEMM launch failed : m=36864, n=128, k=64

TensorFlowで"Blas GEMM launch failed"が出た場合の対処法を参考にすると、GPU1を指定する必要がありました。

test.pyの9行目のos.environ["CUDA_VISIBLE_DEVICES"] = "0"を"1"に変更し、実行します。

======================End of Report==========================
FLOPs: 7937325
100%|██████████████████████████████████████████████████████████████████████████████████| 22/22 [01:24<00:00,  3.84s/it]
test-time: 84.46189665794373 s
one image test time : 3.839177120815624 s

1枚あたり3.84秒でできました！

before

dataset/test/realフォルダに入力画像があります。

after

出力結果はresults\Hにあります。

お疲れ様でした。

AnimeGANv2

先日、AnimeGANv2が出ました！

AnimeGANv2
github: https://t.co/a74PV1427U pic.twitter.com/lHrlDA1STr

— AK (@ak92501) August 7, 2020

早速、ここからクローンして、上の環境でやってみたところ、

CUDA9.0
tensorflow-gpu==1.8.0

GPUでは、下記のエラーが出ました。

InternalError (see above for traceback): Blas SGEMM launch failed : m=126720, n=256, k=128
         [[Node: generator/G_MODEL/C/r1/Conv/Conv2D = Conv2D[T=DT_FLOAT, data_format="NHWC", dilations=[1, 1, 1, 1], padding="VALID", strides=[1, 1, 1, 1], use_cudnn_on_gpu=true, _device="/job:localhost/replica:0/task:0/device:GPU:0"](generator/G_MODEL/C/LeakyRelu/Maximum, generator/G_MODEL/C/r1/Conv/weights/read)]]

環境を下記に変えるとできました。

CUDA10.0、
tensorflow-gpu==1.15.0

dataset\test\HR_photoフォルダを作成し、処理したい画像を置きます。下記を実行してみましょう。

python test.py --checkpoint_dir checkpoint/generator_Hayao_weight --test_dir dataset/test/HR_photo --style_name Paprika/HR_photo

結果はresults\Paprika\HR_photoに出力されます。GPUで9秒、CPUで23秒くらいでした。

入力	出力
https://peapix.com/bing/

次は動画も処理できるようになっているので、処理したい動画をvideo\inputフォルダに置き、下記を実行してみましょう。「お花見.mp4」の部分を変更してください。結果はvideo\output\Paprikaに出力されます。

python video2anime.py --video video/input/お花見.mp4 --checkpoint_dir checkpoint/generator_Paprika_weight

AnimeGANv2 https://t.co/4fOr8WFxaA https://t.co/AkJ3IKupsB#Python #DeepLearning #機械学習 #AI #OpenCV #tensorflow pic.twitter.com/iQOSXwcyg8

— 藤本賢志(ガチ本)@pixivFANBOXはじめました (@sotongshi) August 13, 2020

フルHDの23秒程度の動画で、GPUで3時間ほどかかりました(;'∀')