Github:https://github.com/TachibanaYoshino/AnimeGANv2
AnimeGAN是来自武汉大学和湖北工业大学的一项研究，采用的是神经风格迁移 + 生成对抗网络（GAN）的组合。
它其实是基于CartoonGAN的改进，并提出了一个更加轻量级的生成器架构。
AnimeGAN的生成器可以视作一个对称的编码器-解码器网络，由标准卷积、深度可分离卷积、反向残差块、上采样和下采样模块组成。
为了有效减少生成器的参数数量，AnimeGAN的网络中使用了8个连续且相同的IRB（inverted residual blocks）。
在生成器中，具有1×1卷积核的最后一个卷积层不使用归一化层，跟随其后的是tanh非线性激活函数。
上图中，K为内核大小，C为特征图数量，S为每个卷积层的跨度，H是特征图的高度，W是特征图的宽度，Resize值用于设置特征图大小的插值方法，⊕表示逐元素加法。
而此次的V2版本，是基于第一代AnimeGAN的升级，主要解决了模型生成的图像中存在高频伪影的问题。
具体而言，所采取的措施是使用特征的层归一化（layer normalization），来防止网络在生成的图像中产生高频伪影。
作者认为，层归一化可以使feature map中的不同通道，具有相同的特征属性分布，可以有效地防止局部噪声的产生。
AnimeGANv2的生成器参数大小为8.6MB，而AnimeGAN的生成器参数大小为15.8MB。
它俩使用的鉴别器大致相同，区别在于AnimeGANv2使用的是层归一化，而不是实例归一化（instance normalization）。
无限星辰 , 版权所有丨如未注明 , 均为原创丨本网站采用BY-NC-SA协议进行授权 , 转载请注明真人照片动漫特效转换之AnimeGANv2！
