头像神器！照片一键秒转简笔画，清华刘永进等CVPR 19 Oral研究 | 在线可玩

铜灵 发自 凹非寺
量子位 出品 | 公众号 QbitAI

现在，只需一键，就能将你的照片转化成简笔画。

清华大学和英国卡迪夫大学的研究人员提出了一种名为APDrawingGAN系统，随意输入一张人脸照片，系统输出黑白人物线条画。

看一下具体效果。

这有三张女性头像，经过APDrawingGAN处理后，这些照片成为了手绘风：

男性头像也Hold住：

目前，研究人员已经将这个研究做成了名为“AI肖像画大师”小程序，进入小程序就能在线试玩。

量子位亲自上手，实测了这个小程序。输入一张DeepMind VQ-VAE二代模型生成的人物假脸：

大约一秒钟后，这张假脸的简笔画版就出来了：

似乎发现了一个可以用来快速生成头像的神器啊~

这项研究来自清华大学和英国卡迪夫大学，成为今年的CVPR 19的口头报告。

独立损失项

在论文APDrawingGAN: Generating Artistic Portrait Drawings from Face Photos with Hierarchical GANs中，研究人员揭秘了这个头像生成神器的原理。

在这项研究中，研究人员提出了一个层次化的GAN模型， GAN每个层次的输出都由独立损失项控制。

研究人员提出了一个损失函数，里面包含四种损失项，包括一种新型DT（距离变换）损失、局部变换损失、对抗损失和像素级损失。

整个生成流程如下图所示：

对抗损失负责辨别图像真假，像素损失驱动合成图像更逼真，局部变换损失负责将额外限制加至中间输出上。

在这四种损失中，距离变换损失(DT损失）起到了重要作用。

在此前的照片转简笔化的研究中，经常出现生成图与原图不能完全对应，让线条之间有些错位的问题。想要解决这个bug，就需要DT损失亲自出马了。

研究人员解释说，这种损失能包容微小错位，从而惩罚更严重的无法对应问题。

至于模型的训练数据，研究人员自制了一个包含140张人脸照片与对应画像的数据集，命名为APDrawings，用来训练模型。

研究人员进行了一系列实验，与此的相似研究进行了效果对比。

在上图中，从左到右依次为人类照片、人类手绘肖像、Gatys、CycleGAN、Pix2Pix和APDrawingGAN的生成结果，红框代表此前其他研究生成效果的瑕疵。

对比来看，APDrawingGAN的生成效果线条最流畅，其艺术肖像风格化效果最好。

除了视觉效果的对比，研究人员还对比了CycleGAN、Pix2Pix和APDrawingGAN在FID评估指标下的得分。

测评结果显示，APDrawingGAN的FID得分最低，仅为62.14，表现最佳，而CycleGAN的得分87.82最高。

最后，研究人员找来73名志愿者，每位志愿者依次从两种算法生成的作品中选择质量最高的一幅，认为APDrawingGAN效果最好的概率为71.39%。

作者团队

这项研究的作者共有四人，分别是清华大学的Ran Yi 、Yong-Jin Liu（刘永进）和英国卡迪夫大学的Yu-Kun Lai和Paul L. Rosi。

一作Ran Yi目前是清华大学计算机科学的在读博士生。2012年，Ran Yi被清华电子工程系录取，2016年在清华本科毕业。

刘永进（Yong-Jin Liu）是清华计算机系长聘教授，博士生导师，人机交互与媒体集成研究所所长。刘教授还是国家杰出青年基金获得者、国家优秀青年基金获得者，入选教育部新世纪人才计划。

此前，Ran Yi和刘永进还推出过将照片转化成新海诚《你的名字》画风的CartoonGAN，

△ 左列为输入的照片，右列为CartoonGAN生成的新海诚画风的图像

Yu-Kun Lai现为卡迪夫大学计算机科学与信息学院的Reader（准教授），从本科到博士均在清华就读。

Paul L. Rosin是卡迪夫大学计算机科学与信息学的教授，南开大学“外专千人计划”教授。此前，曾担任Computer Graphics Forum国际期刊编委，Computational Aesthetics 2015国际会议主席。

传送门

论文APDrawingGAN: Generating Artistic Portrait Drawings from Face Photos with Hierarchical GANs地址：

https://cg.cs.tsinghua.edu.cn/papers/CVPR-2019-Drawing.pdf

— 完 —

小程序|全类别AI学习教程

AI社群|与优秀的人交流

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

   喜欢就点「在看」吧 !