Help us understand the problem. What is going on with this article?

「AnimeGAN」を試してみる

「AnimeGAN」とは

 TachibanaYoshinoさんが作成した、GANで画像をアニメ風に変換するソフトウェアです。詳細は以下リポジトリを参照ください。
TachibanaYoshino/AnimeGAN

 CartoonGAN-TensorflowやAnime-Sketch-Coloring-with-Swish-Gated-Residual-UNetがベースになっているようです。

 学習済みモデルもあって簡単に動かせます。試してみたので動作メモと、結果の紹介です。

「AnimeGAN」動かし方

 READMEに書いてある通りで動くのですが、手っ取り早く動かしたい人のために少しだけ詳しく書きます。

 最初にPython環境、必要なライブラリをセットアップしましょう。初心者だとここが一番難しいかもしれませんね。以下ブログ記事をみて適当に(雑な説明)。

Pythonで機械学習をするための環境を雑にセットアップする方法(Jupyter notebook環境、ディープラーニング環境含む)on Mac/Linux

 あとは、以下で事前準備(ソフトと学習済みモデルのダウンロード)します。

$ git clone https://github.com/TachibanaYoshino/AnimeGAN
$ cd AnimeGAN
$ wget https://github.com/TachibanaYoshino/AnimeGAN/releases/download/Haoyao-style_V1.0/Haoyao-style.zip
$ unzip Haoyao-style.zip

 あとは、適当なディレクトリ(仮にsampleとします)を作成して、変換したい画像を入れておきましょう。そしたら以下コマンド実行すればオッケーです。

$ python test.py --checkpoint_dir Haoyao-style --test_dir sample --style_name H

 resultsというディレクトリ以下に変換した画像が生成されています。

「AnimeGAN」生成画像

例1

factory-1.jpg

factory_anime.jpg

例2

karaage-1.jpg

karaage_anime.jpg

例3

sakura-1.jpg

sakura_anime.jpg

例4

machinami-1.jpg

machinami_anime.jpg

例5

torii-1.jpg

torii_anime.jpg

まとめ

 「AnimeGAN」を試して、実際に手持ちの画像で試して見ました。若干破綻がみられるケースもありますが、Photoshopとかの高度なツールも手間もなく手軽にこれだけ変換ができるのは面白いですね。

 今回は普通にCPUで変換行いましたがGPU使ったりモデル軽量化して、リアルタイムに動画を変換したらなかなかインパクトありそうです。

karaage0703
闇のエンジニア/変なデジカメ開発中/ディープラーニング芸人/Raspberry Piとからあげ大好き/はてなブログ書いてます
https://karaage.hatenadiary.jp
Why not register and get more from Qiita?
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
Comments
No comments
Sign up for free and join this conversation.
If you already have a Qiita account
Why do not you register as a user and use Qiita more conveniently?
You need to log in to use this function. Qiita can be used more conveniently after logging in.
You seem to be reading articles frequently this month. Qiita can be used more conveniently after logging in.
  1. We will deliver articles that match you
    By following users and tags, you can catch up information on technical fields that you are interested in as a whole
  2. you can read useful information later efficiently
    By "stocking" the articles you like, you can search right away
ユーザーは見つかりませんでした