CoreMLモデルに変換して、iPhoneやiPadでUGATITを使用できます。
UGATITはGANの応用で、深層画像生成技術の最先端です。
たとえば、自撮りをアニメに変換できます。
*論文
* GitHubプロジェクトページ
* CoreMLに変換済のセルフィー２アニメモデル。ダウンロードするとドラッグ&ドロップでxcodeプロジェクトでつかえます。
1、上のGitHubプロジェクトページからクローン。
git clone https://github.com/taki0112/UGATIT.git
cd UGATIT
2、上のGitHubプロジェクトページから事前トレーニング済みモデルのチェックポイントをダウンロードします。
そして、手元のUGATITディレクトリ配下に「チェックポイント」ディレクトリを作成し、ダウンロード・解凍したフォルダを配置します。
mkdir checkpoint
## このディレクトリにダウンロードしたチェックポイントをおく
３、上のGitHubプロジェクトページからselfie2animeデータセットをダウンロードします。
そして、手元のUGATITディレクトリ配下に「データセットディレクトリ」を作成し、ダウンロードしたデータセットフォルダを配置します。
mkdir dataset
##ダウンロードしたselfie2animeデータセットをこのディレクトリに配置します
4、モデルのpbtxtを作成します。
そのためには、手元のUGATIT.pyの642行目（つまり、「def test（self）:)」にwrite_graphファンクションを挿入してから、test.pyを実行します。
## def test（self）：
##...
fake_img = self.sess.run(self.test_fake_B, feed_dict = {self.test_domain_A : sample_image})
tf.io.write_graph(self.sess.graph_def, './', 'ugatit.pbtxt')
##↑この行を挿入します。
python main.py --dataset selfie2anime --phase test
##テストが成功すると、現在のディレクトリに「ugatit.pbtxt」が表示されます。
5、tfcoremlをインストールします。
pip install tfcoreml
6、frozen_modelを作成します。そのためには、「convert.py」を書いて実行します。
from __future__ import print_function
import numpy as np
from tensorflow.python.tools.freeze_graph import freeze_graph
import tfcoreml
graph_def_file = 'ugatit.pbtxt'
checkpoint_file = 'checkpoint/UGATIT_selfie2anime_lsgan_4resblock_6dis_1_1_10_10_1000_sn_smoothing/UGATIT.model-1000000'
frozen_model_file = './frozen_model.pb'
output_node_names = 'generator_B/Tanh'
freeze_graph(input_graph=graph_def_file,
input_saver="",
input_binary=False,
input_checkpoint=checkpoint_file,
output_node_names=output_node_names,
restore_op_name="save/restore_all",
filename_tensor_name="save/Const:0",
output_graph=frozen_model_file,
clear_devices=True,
initializer_nodes="")
python convert.py
7、frozen_modelからCoreMLモデルに変換します。そのために、「coreml.py」を書いて実行します。
input_tensor_shapes = {'test_domain_A':[1, 256, 256, 3]} # batch size is 1
# Output CoreML model path
coreml_model_file = './ugatit.mlmodel'
output_tensor_names = ['generator_B/Tanh:0']
# Call the converter
coreml_model = tfcoreml.convert(
tf_model_path='frozen_model.pb',
mlmodel_path=coreml_model_file,
input_name_shape_dict=input_tensor_shapes,
output_feature_names=output_tensor_names,
image_input_names='test_domain_A',
red_bias=-1,
green_bias=-1,
blue_bias=-1,
image_scale=2/255,
minimum_ios_deployment_target='12')
変換に成功すると、次のようなUGATIT coremlモデルが得られます。
これで、iOSプロジェクトでUGATITを使用できます。
CoreGANContainerを使うと、モデルをプロジェクトにドロップするだけで使えます。
import Vision
lazy var coreMLRequest:VNCoreMLRequest = {
let model = try! VNCoreMLModel(for: ugatit().model)
let request = VNCoreMLRequest(model: model, completionHandler: self.coreMLCompletionHandler0)
return request
}()
let handler = VNImageRequestHandler(ciImage: ciimage,options: [:])
DispatchQueue.global(qos: .userInitiated).async {
try? handler.perform([coreMLRequest])
}
結果のmultiArrayを画像として視覚化するには、Hollance氏のCoreML Helpersが非常に便利です。
CoreMLヘルパーを使用したMultiArrayからImageへの変換。
func coreMLCompletionHandler0(request: VNRequest?, error: Error?) {
let = coreMLRequest.results?.first as! VNCoreMLFeatureValueObservation
let multiArray = result.featureValue.multiArrayValue
let cgimage = multiArray?.cgImage(min: -1, max: 1, channel: nil, axes: (3,1,2))
...
ちなみに、私はselfie2animeのUGATIT CoreMLモデルでiOSアプリを作りました。
たのしい画像生成を！
Twitterフォローしてくださいお願いします！
https://twitter.com/JackdeS11