深度法线估算:自动为手绘角色着色的创新工具
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。

通过使用此软件,即表明您接受这些条款和条件。
GLM-5.1GLM-5.1是智谱迄今最智能的旗舰模型,也是目前全球最强的开源模型。GLM-5.1大大提高了代码能力,在完成长程任务方面提升尤为显著。和此前分钟级交互的模型不同,它能够在一次任务中独立、持续工作超过8小时,期间自主规划、执行、自我进化,最终交付完整的工程级成果。Jinja00
MiniMax-M2.7MiniMax-M2.7 是我们首个深度参与自身进化过程的模型。M2.7 具备构建复杂智能体应用框架的能力,能够借助智能体团队、复杂技能以及动态工具搜索,完成高度精细的生产力任务。Python00- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
HY-Embodied-0.5这是一套专为现实世界具身智能打造的基础模型。该系列模型采用创新的混合Transformer(Mixture-of-Transformers, MoT) 架构,通过潜在令牌实现模态特异性计算,显著提升了细粒度感知能力。Jinja00
LongCat-AudioDiT-1BLongCat-AudioDiT 是一款基于扩散模型的文本转语音(TTS)模型,代表了当前该领域的最高水平(SOTA),它直接在波形潜空间中进行操作。00
ERNIE-ImageERNIE-Image 是由百度 ERNIE-Image 团队开发的开源文本到图像生成模型。它基于单流扩散 Transformer(DiT)构建,并配备了轻量级的提示增强器,可将用户的简短输入扩展为更丰富的结构化描述。凭借仅 80 亿的 DiT 参数,它在开源文本到图像模型中达到了最先进的性能。该模型的设计不仅追求强大的视觉质量,还注重实际生成场景中的可控性,在这些场景中,准确的内容呈现与美观同等重要。特别是,ERNIE-Image 在复杂指令遵循、文本渲染和结构化图像生成方面表现出色,使其非常适合商业海报、漫画、多格布局以及其他需要兼具视觉质量和精确控制的内容创作任务。它还支持广泛的视觉风格,包括写实摄影、设计导向图像以及更多风格化的美学输出。Jinja00