AwesomeAnimeResearch

GitHub
1.2k 71 非常简单 1 次阅读 2天前开发框架
AI 解读 由 AI 自动生成，仅供参考

AwesomeAnimeResearch 是一个专注于动漫与漫画领域学术研究的开源资源聚合平台。它系统性地整理了该方向的前沿论文、代码仓库及关键数据集，旨在解决研究人员在寻找高质量动漫数据时面临的分散与匮乏难题，为相关算法的开发与验证提供坚实基础。

该项目特别适合计算机视觉、自然语言处理领域的科研人员、开发者以及关注二次元内容智能化的技术爱好者使用。无论是希望训练角色识别模型、探索漫画分镜理解，还是研究生成式动漫图像检测，都能在此找到对应的支持资源。

其核心亮点在于收录了多个具有里程碑意义的数据集，涵盖从大规模 AI 生成动漫图像检测（AnimeDL-2M）、多模态漫画翻译，到精细化的角色对话标注（Manga109Dialog）及拟声词识别（COO）等细分场景。这些资源不仅规模庞大且标注专业，有效填补了通用数据集在动漫特定风格与叙事结构上的空白。通过一站式汇聚全球最新成果，AwesomeAnimeResearch 极大地降低了进入该垂直研究领域的门槛，推动了动漫智能分析技术的社区协作与创新。

使用场景

某 AI 初创团队正致力于开发一款能自动识别漫画角色并翻译对话气泡的智能阅读助手，但在项目初期陷入了数据搜集的泥潭。

没有 AwesomeAnimeResearch 时

  • 数据搜寻如大海捞针：团队成员需在 arXiv、GitHub 及各大学术会议网站间手动翻阅，耗时数周仍难以找全针对“漫画拟声词”或“长尾角色识别”的专用数据集。
  • 领域边界模糊导致误用：容易混淆通用卡通数据与日式动漫数据，甚至错误引用了 3D 动画或欧美漫画的研究成果，导致模型在特定画风下表现不佳。
  • 复现成本极高：找到论文后，往往发现对应的代码仓库已失效或缺失，缺乏统一的入口去验证算法在动漫场景下的实际效果。
  • 前沿动态滞后：难以及时获取如"AI 生成动漫图像检测”等 2025 年的最新研究方向，导致技术选型落后于社区进展。

使用 AwesomeAnimeResearch 后

  • 一站式精准获取：直接通过分类列表定位到 Manga109Dialog 用于说话人检测，或 COO 数据集处理拟声词，将数据准备周期从数周缩短至两天。
  • 领域资源严格区分：清晰指引团队避开通用的 2D 卡通研究，转而聚焦于 AnimeCeleb 或 DAF:RE 等专为动漫角色定制的高质量基准，显著提升模型准确率。
  • 代码与论文无缝对接：每个条目均附带有效的 GitHub 链接或主页，开发人员可立即拉取代码进行基线测试，大幅降低复现门槛。
  • 紧跟学术最前沿：迅速捕捉到关于“多模态大模型翻译漫画”的最新论文，及时调整技术路线，确保产品具备行业领先的上下文理解能力。

AwesomeAnimeResearch 将原本碎片化、高门槛的动漫科研资源整合为结构化知识库，让开发者能从繁琐的搜集工作中解脱，专注于核心算法的创新与落地。

运行环境要求

GPU

未说明

内存

未说明

依赖
notes该仓库（AwesomeAnimeResearch）是一个 curated list（精选列表），主要收集了与动漫研究相关的数据集、论文和外部项目链接，本身不是一个可独立运行的软件工具或代码库。因此，README 中未包含任何关于操作系统、硬件配置、Python 版本或依赖库的安装需求。用户若需运行列表中提到的具体算法（如 StyleGAN-NADA, EigenGAN 等），需前往各论文对应的独立 GitHub 仓库查看具体的环境要求。
python未说明
AwesomeAnimeResearch hero image

快速开始

令人惊叹的动漫研究

所有与动漫相关的内容。
对于漫画/连环画领域的论文，请参阅 🔥 惊人漫画理解
对于2D动画视频研究，请参阅 🚀 惊人动画研究

📂 数据集

📜 论文

图像生成

  • 生成

| 年份 | 会议/期刊 | 标题 | 链接 | | ---- | ---- | ---- | ---- | | 2025 | Arxiv | SakugaFlow: 一种模拟人类绘画过程并为初学者提供交互式辅导的分阶段插画框架 | | | | 2025 | Arxiv | 基于扩散模型的动漫插画交互式绘制指导 | | | 2022 | Arxiv | 通过流形熵估计对抗GAN中的模式坍塌 | | Github | | 2022 | SIGGRAPH | StyleGAN-NADA: 基于CLIP引导的图像生成器领域适应 | Github | | 2021 | ICCV | DisUnknown: 用于解耦学习的未知因素蒸馏 | Github | | 2021 | Arxiv | CoPE: 基于多项式展开的条件图像生成 | | | 2021 | Arxiv | 生成对抗网络的高效持续适应 | | | 2021 | ElConRus | 利用神经网络生成“理想”的动漫片头画面 | | | 2021 | CVPR | HistoGAN: 通过颜色直方图控制GAN生成图像和真实图像的颜色 | Github | | 2020 | | 利用GAN生成动漫角色全身站立姿势及其风格迁移 | | | 2020 | NeurIPS | 无遗忘的GAN记忆 | Github | | 2020 | Arxiv | 分类表示可用于下游生成任务 | | | 2020 | Arxiv | 自编码生成对抗网络 | | Github | | 2019 | IEEE Access | 一种用于稳定训练生成对抗网络的自适应控制算法 | | | 2019 | Arxiv | 通过对抗性神经元剪枝和突触巩固克服长期灾难性遗忘 | | | 2019 | EG | 迈向多样化的动漫人脸生成：主动标签补全与风格特征网络 | | | 2018 | IJCNN | 使用加权混合生成对抗网络生成新颖的图像风格 | | | 2018 | ECCV Workshop | 基于渐进式结构条件生成对抗网络的高分辨率全身动漫生成 | 官网 | | 2017 | Comiket92 | 迈向利用生成对抗网络自动创作动漫角色 | 官网 |

| 年份 | 会议/期刊 | 标题 | 链接 | | ---- | ---- | ---- | ---- | | 2022 | 大数据 | 无监督发现逐层GAN的解耦可解释方向 | | | 2022 | AAAI | GAN中潜在空间发现的自监督增强 | | | 2021 | ACM-MM | 在GAN中发现用于语义图像变换的保密度潜在空间路径 | | | | 2021 | CVPR | 超越二值属性的GAN可解释潜在空间方向发现 | | | 2021 | Arxiv | EigenGAN：GAN的逐层特征值学习 | | Github | | 2021 | CVPR | 用于潜在空间操控的代理梯度场 | | | 2021 | Arxiv | 生成模型是否理解解耦？对比学习就够了 | | Github | | 2020 | Arxiv | GAN中无监督的解耦流形发现 | | | | 2021 | CVPR | GAN中潜在语义的闭式分解 | Github | | 2020 | ICML | GAN潜在空间中可解释方向的无监督发现 | Github | | 2019 | Arxiv | RPGAN：通过随机路由实现GAN可解释性 | | Github |

图像到图像翻译

| 年份 | 会议/期刊 | 标题 | 链接 | | ---- | ---- | ---- | ---- | | 2023 | ACM-TG | AniFaceDrawing: 在素描过程中探索动漫肖像 | 主页 | | 2022 | TNNLS | PMSGAN：用于人脸图像转换的并行多阶段生成对抗网络 | | | 2022 | FDG | SketchBetween：通过素描实现精灵动画的视频到视频合成 | | | 2021 | TVCG | 深度素描引导的卡通视频中间帧生成 | | | 2020 | NeurIPS | 如何训练你的条件生成对抗网络：一种基于几何结构化潜在流形的方法 | | | 2020 | ECCV | 为图像生成与编辑建模艺术工作流程 | Github | | 2019 | Arxiv | PI-REC：具有边缘和颜色域的渐进式图像重建网络 | Github | | 2019 | FITEE | SmartPaint：基于生成对抗网络的协同创作绘画系统 | |

彩色化

  • 无提示

| 年份 | 会议/期刊 | 标题 | 链接 | | ---- | ---- | ---- | ---- | | 2018 | ISCID | 基于串联条件对抗网络的自动素描上色 | | | 2019 | IJNDC | 你喜欢巩膜吗？动漫人物线稿中的巩膜区域检测与上色 | | | 2019 | IJPE | 基于循环一致性对抗网络的动漫素描上色 | | | 2021 | MDPI-AS | Seg2pix：利用分割图像数据进行少样本训练的线稿上色 | | | 2021 | - | 基于条件对抗网络的半自动漫画上色 | Github | | 2021 | ICPR | 线稿的风格化上色 | | | 2021 | Arxiv | 生成式概率图像上色 | | | 2022 | CHI | FlatMagic：通过AI驱动的设计改进面向数字漫画从业者的平面化上色 | Github | | 2022 | ICCIR | 基于注意力机制的无监督动漫头像线稿上色 | | | 2023 | IEEE Access| 通过色彩潜在空间实现鲁棒的漫画页面上色| |

| 年份 | 会议/期刊 | 标题 | 链接 | | ---- | ---- | ---- | ---- | | 2025 | Arxiv | SSIMBaD: 基于SSIM引导的平衡扩散模型的Sigma缩放技术用于动漫人脸上色 | GitHub | | 2025 | Arxiv | Cobra: 基于更广泛参考的高效线稿上色方法 | 个人主页 | | 2025 | Arxiv | ColorizeDiffusion v2: 通过分离效用实现基于参考的草图上色增强 | GitHub | | 2025 | Arxiv | MangaNinja: 精准参考追踪的线稿上色方法 | 个人主页 | | 2024 | Arxiv | ColorFlow: 检索增强的图像序列上色方法 | Github | | 2024 | Arxiv | ColorizeDiffusion: 可调节的草图上色方法，结合参考图像和文本描述 | | | 2024 | CVPR | 学习包含匹配用于动画油漆桶上色 | 个人主页 | | 2023 | CGF | 两步训练：基于参考图像和文本标签的可调草图上色 | Github | | 2023 | Arxiv | AnimeDiffusion: 基于扩散模型的动漫人脸线稿上色 | | | 2022 | ICME | 注意力感知的动漫线稿上色 | | | 2022 | NicoInt | 动漫角色的半自动上色流水线及其在制作中的评估 | | | 2022 | ICASSP | 通过特征聚合与对比学习提升基于参考的线稿图像上色效果 | | | 2022 | ECCV | 消除基于参考的线稿上色中的梯度冲突| Github | | 2022 | Mathematics | 基于跨域密集语义对应关系的示例驱动草图上色 | | | 2022 | CVM | 参考引导的结构感知深度草图上色用于卡通 | | | 2022 | TMM | 多密度草图到图像转换网络 | | | 2021 | SIGGRAPH Asia | 使用少样本学习进行动漫角色上色 | | | 2021 | IET-IP | 基于结构与色彩增强解耦的可解耦且可控的草图生成 | | | 2021 | ICIP | 基于生成对抗网络的绘画风格感知漫画上色 | | | 2021 | CGI | 探索由自动上色引导的基于草图的角色设计 | | | 2021 | ICME | 采用空间自适应归一化进行动漫风格迁移 | | | 2021 | ICPR | 基于组件匹配、深度外观特征和图表示的动漫草图上色 | | | 2020 | EG | 对瞳孔为空的线稿进行上色 | | | 2020 | EG | Deep-Eyes: 全自动动漫角色上色，包括对空瞳孔细节的绘制 | | | 2020 | CVPR | 基于增强自我参考和密集语义对应关系的参考式草图图像上色 | Github | | 2020 | TMM | 语义示例引导的图像到图像转换 | | | 2019 | SIGGRAPH | 基于图匹配的多参考动漫上色 | | | 2019 | SIGGRAPH | 全自动动漫角色上色，考虑精确的眼部颜色 | | | 2018 | - | 注意力深度绘画 | Github | | 2017 | ACIS SNPD | 利用生成对抗网络实现带色彩风格的自动漫画上色 | | | 2017 | SIGGRAPH | Comicolorization: 半自动漫画上色 | Github | | 2017 | ICDAR | 基于单张训练图像的cGAN漫画上色 | Github | | 2017 | ACPR | 利用增强型残差U-Net和辅助分类器GAN进行动漫草图风格迁移 | | | 2017 | IIAI | 基于条件对抗学习推断提取色彩风格的深度漫画上色 | | | 2014 | SIGGRAPH | 基于图对应关系和二次规划的参考式漫画上色 | | | 2004 | NPAR | 无监督黑白卡通上色 | |

  • 标签
    年份 会议/期刊 标题 链接
    2021 PG 基于显式区域分割的线稿上色
    2019 ICCV Tag2Pix: 使用文本标签结合SECat和变化损失的线稿上色 Github
  • 视频 
    | **年份** | **会议/期刊** | **标题** | **链接** |
| ---- | ---- | ---- | ---- | 
| 2023 | PR | [基于变换区域增强网络的动漫线稿视频上色](https://www.sciencedirect.com/science/article/pii/S0031320323002625?casa_token=evjknkPkujoAAAAA:a0kjRw6hy3aaO9UAkINCtXYlELCDMDQu5RykR6k7qNeRPaYsaBfR8_PNSg0R-MsIs3vOCePOTfYh) |  |
| 2021 | ICCV | [动画Transformer：通过片段匹配实现视觉对应](https://arxiv.org/pdf/2109.02614.pdf)  | [视频](https://cadmium.app/) |
| 2021 | WACV  | [用于自动动画上色的线稿相关性匹配特征迁移网络](https://openaccess.thecvf.com/content/WACV2021/papers/Zhang_Line_Art_Correlation_Matching_Feature_Transfer_Network_for_Automatic_Animation_WACV_2021_paper.pdf) | |  
| 2020 | TVCG | [基于少量参考的深度线稿视频上色](https://arxiv.org/pdf/2003.10685.pdf) | |
| 2019 | ICCV Workshop | [艺术家引导的半自动动画上色](https://openaccess.thecvf.com/content_ICCVW_2019/papers/CVFAD/Thasarathan_Artist-Guided_Semiautomatic_Animation_Colorization_ICCVW_2019_paper.pdf) | |
| 2019 | CCCRV | [自动的时序一致视频上色](https://arxiv.org/pdf/1904.09527.pdf) | [Github](https://github.com/Harry-Thasarathan/TCVC) |

编辑

角色动画

漫画应用

表征学习

姿势估计

图像检索

视觉对应

角色识别

3D角色创建

机器人技术

语音合成

成人内容检测

综述与评论

项目

除上述之外，与动漫或漫画相关的 GitHub 或其他类型的项目汇总。

  • 表示学习
  • 图像生成

    GANs

    扩散模型

  • 图像到图像转换
  • 自动线稿上色
  • 角色动画
  • 超分辨率
  • 分割
  • 关键点检测

    • 会议与期刊

    • TIP: IEEE 图像处理汇刊
    • TMM: IEEE 多媒体汇刊
    • PR: IEEE 模式识别汇刊
    • TSP: IEEE 信号处理汇刊
    • CVPR: IEEE/CVF 计算机视觉与模式识别大会
    • MMUL: IEEE 多媒体
    • TVCG: IEEE 可视化与计算机图形学汇刊
    • MMM: 国际多媒体建模会议
    • ECCV: 欧洲计算机视觉会议
    • NeurIPS: 神经信息处理系统大会
    • NeurIPS-DB: 神经信息处理系统大会——数据集与基准测试赛道
    • ACM-MM: ACM 多媒体
    • ACM-TG: ACM 图形学汇刊
    • ACM-TURC: ACM 图灵纪念大会
    • ISICA: 国际智能计算与应用研讨会
    • 3ICT: 国际信息、计算与技术领域的创新与智能大会
    • MDPI-AS: MDPI 应用科学
    • EG: 欧洲图形学协会
    • CGF: 计算机图形论坛
    • CGI: 图形界面会议
    • IET-IP: IET 图像处理
    • ICME: 国际多媒体与博览会
    • CCCRV: 加拿大计算机与机器人视觉会议
    • ICCW: 国际网络世界大会
    • IROS: IEEE 国际智能机器人与系统大会
    • HSET: 科学、工程与技术亮点
    • TOPS: 认知科学专题
    • COLING: 计算语言学大会

    常见问题

    相似工具推荐

    openclaw

    OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

    ★ 349.3k|★★★☆☆|5天前
    Agent开发框架图像

    stable-diffusion-webui

    stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。

    ★ 162.1k|★★★☆☆|6天前
    开发框架图像Agent

    everything-claude-code

    everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上

    ★ 150.7k|★★☆☆☆|今天
    开发框架Agent语言模型

    ComfyUI

    ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。

    ★ 108.3k|★★☆☆☆|昨天
    开发框架图像Agent

    gemini-cli

    gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。

    ★ 100.8k|★★☆☆☆|2天前
    插件Agent图像

    markitdown

    MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器

    ★ 93.4k|★★☆☆☆|5天前
    插件开发框架