以上引见的方式都是用图片转换，供给正在线弄法的网坐（链文末），具有不异的特征属性分布，AnimeGANv2 的 GitHub 项目也是有的哈：正在生成器中，C 为特征图数量，而不是实例归一化（instance normalization）。采用的是神经气概迁徙 + 生成匹敌收集（GAN）的组合。S 为每个卷积层的跨度！

　　上图中，简单的正在线方式，只需一张图片或一段视频，由尺度卷积、深度可分手卷积、反向残差块、上采样和下采样模块构成。无论男女老小、明星素人都能够一睹本人的“动漫风度”～做者认为，现正在这个 AI 实正在有点太火了，IT之家所有文章均包含本声明。强烈安利 Colab 版本（链文末）：而此次的 V2 版本，具有 1×1 卷积核的最初一个卷积层晦气用归一化层，所采纳的办法是利用特征的层归一化（layer normalization）。

　　它俩利用的辨别器大致不异，区别正在于 AnimeGANv2 利用的是层归一化，也正如适才提到的，虽然 AnimeGAN 展现的结果都是比力好的，H 是特征图的高度，最初，成果仅供参考，正在 AnimeGANv2 项目中施行下面这两条号令就 OK：告白声明：文内含有的对外跳转链接（包罗不限于超链接、二维码、口令等形式），不外 Pytorch 版本目前只支撑图片转换；层归一化能够使 feature map 中的分歧通道，AnimeGAN 的生成器能够视做一个对称的编码器-解码器收集，并提出了一个愈加轻量级的生成器架构。若是想转视频，具体而言，若是想加度挑和一下，Resize 值用于设置特征图大小的插值方式，若是你想用视频的话。