首页
/ 深度法线估算:自动为手绘角色着色的创新工具

深度法线估算:自动为手绘角色着色的创新工具

2024-06-02 08:14:55作者:劳婵绚Shirley

深度法线估算示例 这是由David Revoy创作的原始作品,仅允许非商业研究用途。

项目概述

Deep Normals是一个开放源代码项目,提供预先训练好的模型,用于一项在ECCV 2018研讨会中发表的研究论文:

“Deep Normal Estimation for Automatic Shading of Hand-Drawn Characters”
作者:Matis Hudon, Rafael Pagés, Mairéad Grogan, Aljosa Smolić

更多详细信息,请访问我们的项目网页。您还可以观看我们结果视频以了解实际应用效果。

此外,项目还进行了进一步发展,并在CVMP 2019上发表了新工作:

“Augmenting Hand-Drawn Art with Global Illumination Effects through Surface Inflation” 
作者:Matis Hudon, Sebastian Lutz, Rafael Pages, Aljosa Smolic

并发布了一个带有地面真实正常映射和深度映射的新数据集,详情可见项目网页

技术要求

本项目支持Docker环境以及Ubuntu 16.04本地运行。需要安装Cuda 9、Python3、Numpy、Tensorflow(GPU版)、opencv-python 和 TFlearn库。若不熟悉Docker,也可直接在本地按照指导安装相关依赖库进行操作。

使用方法

首先,从此处下载预训练模型并解压到Net/目录下。

要在本地运行代码:

python3 main.py

或指定自己的图像和对应的遮罩文件:

python3 main.py --lineart_path PathToYourImage --mask_path PathToCorrespondingMask

在Docker环境下运行:

sudo nvidia-docker run -v CodeDirectory/:/container/directory/ -it matishudon/dockerdeepn python3 /container/directory/main.py --docker_path /container/directory/

其中,CodeDirectory 是包含main.py的目录路径。

此外,项目还提供了一个简单的渲染器Interactive_Rendering.py,可以查看该脚本以获取更多信息。请注意,这个渲染器需要额外的颜色图像。请参考示例目录Pepper/。

数据集

用于这项工作的数据集(训练和测试)可在此链接下载。

引用

如果使用了该项目的模型、代码或数据集,请引用以下论文:

@inproceedings{hudon2018deep,
  title={Deep Normal Estimation for Automatic Shading of Hand-Drawn Characters},
  author={Hudon, Matis and Grogan, Mair{\'e}ad and Pag{\'e}s, Rafael and Smoli{\'c}, Aljo{\v{s}}a},
  booktitle={European Conference on Computer Vision},
  pages={246--262},
  year={2018},
  organization={Springer}
}

致谢

感谢David Revoy和Ester Huete分享他们的原创作品。该出版物得到了Science Foundation Ireland (SFI) 15/RP/2776号资助的支持。我们非常感谢NVIDIA公司提供的用于此研究的Titan Xp GPU捐赠。

许可证

版权 © 2018 Matis Hudon, Trinity College Dublin

请仔细阅读以下条款和条件以及任何伴随的文档,然后再下载和/或使用此软件及其相关文档(“软件”)。

作者在此授予你一个非排他性、不可转让、免费的权利,复制、修改、合并、发布、分发和再许可此软件,仅为执行非商业科学研究、非商业教育或非商业艺术项目的目的。

其他任何形式的使用,特别是用于商业目的的使用均被禁止。这包括但不限于,在商业产品中包含,用于商业服务,或为了商业目的生产其他艺术品。

该软件“按原样”提供,没有任何形式的明示或暗示的保证,包括但不限于对适销性、特定目的的适用性和不侵权的保证。在任何情况下,作者或版权所有者都不对因软件或与之相关的使用或其他交易而产生的任何索赔、损害或其他责任负责。

作者保留随时更新、修改或停止软件的权利,而不提供维护服务、更新服务、潜在缺陷通知或缺陷修正。然而,作者保留更新、修改或停止软件的权利。

上述版权声明和此许可通知应包含在所有副本或软件的实质部分中。在使用该软件进行研究并撰写文档和论文时,同意引用《深度法线估算:手绘角色自动着色》论文。

深度法线估算:自动为手绘角色着色的创新工具

通过使用此软件,即表明您接受这些条款和条件。

项目优选

收起
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
33
24
CangjieCommunityCangjieCommunity
为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
828
0
redis-sdkredis-sdk
仓颉语言实现的Redis客户端SDK。已适配仓颉0.53.4 Beta版本。接口设计兼容jedis接口语义,支持RESP2和RESP3协议,支持发布订阅模式,支持哨兵模式和集群模式。
Cangjie
376
32
advanced-javaadvanced-java
Advanced-Java是一个Java进阶教程,适合用于学习Java高级特性和编程技巧。特点:内容深入、实例丰富、适合进阶学习。
JavaScript
75.92 K
19.09 K
qwerty-learnerqwerty-learner
为键盘工作者设计的单词记忆与英语肌肉记忆锻炼软件 / Words learning and English muscle memory training software designed for keyboard workers
TSX
15.62 K
1.45 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
19
2
杨帆测试平台杨帆测试平台
扬帆测试平台是一款高效、可靠的自动化测试平台,旨在帮助团队提升测试效率、降低测试成本。该平台包括用例管理、定时任务、执行记录等功能模块,支持多种类型的测试用例,目前支持API(http和grpc协议)、性能、CI调用等功能,并且可定制化,灵活满足不同场景的需求。 其中,支持批量执行、并发执行等高级功能。通过用例设置,可以设置用例的基本信息、运行配置、环境变量等,灵活控制用例的执行。
JavaScript
9
1
Yi-CoderYi-Coder
Yi Coder 编程模型,小而强大的编程助手
HTML
57
7
RuoYi-VueRuoYi-Vue
🎉 基于SpringBoot,Spring Security,JWT,Vue & Element 的前后端分离权限管理系统,同时提供了 Vue3 的版本
Java
147
26
markdown4cjmarkdown4cj
一个markdown解析和展示的库
Cangjie
10
1