AnimeGAN

一个简单的基于 PyTorch 的生成对抗网络实现，专注于动漫人脸绘制。

随机生成的图像

这些图像是由一个在 143,000 张动漫角色人脸数据上训练了 100 个 epoch 的 DCGAN 模型生成的。

图像插值

通过操纵潜在代码，可以实现从第一行到最后一行图像的过渡。

原始图像

这些图像并不干净，可以看到一些异常值，这会降低生成图像的质量。

使用方法

要运行实验，

$ python main.py --dataRoot path_to_dataset/ 

此仓库中也包含了 DCGAN 的预训练模型，可以在 Jupyter Notebook 中进行体验。

anime-faces 数据集

我们使用爬虫工具 gallery-dl 从 danbooru.donmai.us 收集了 126 个标签下的动漫风格图像。随后，这些图像通过动漫人脸检测器 python-animeface 进行处理。最终得到的数据集包含约 143,000 张动漫人脸。需要注意的是，某些标签在裁剪后可能已失去意义，例如，“uniform”标签下的裁剪人脸图像可能不再包含可见的制服部分。

如何从头构建该数据集？

先决条件：gallery-dl、python-animeface

1. 下载动漫风格图像

   # 下载“misaka_mikoto”标签下的 1000 张图像
   gallery-dl --images 1000 "https://danbooru.donmai.us/posts?tags=misaka_mikoto"
   
   # 多进程方式下载
   cat tags.txt | \
   xargs -n 1 -P 12 -I 'tag' \ 
   bash -c ' gallery-dl --images 1000 "https://danbooru.donmai.us/posts?tags=$tag" '
   

2. 从下载的图像中提取人脸

   import animeface
   from PIL import Image
   
   im = Image.open('images/anime_image_misaka_mikoto.png')
   faces = animeface.detect(im)
   x,y,w,h = faces[0].face.pos
   im = im.crop((x,y,x+w,y+h))
   im.show() # 显示
   

我已对原始数据集进行了清理，新版本的数据集包含 126 个标签下的 115,085 张图像。你可以从以下地址获取这些图像：

• GitHub: https://github.com/jayleicn/animeGAN/releases/tag/data
• 百度网盘: https://pan.baidu.com/s/1o8Nxllo

请仅用于非商业用途。

我学到的东西

1. GAN 确实很难训练。
2. DCGAN 通常效果不错，但简单地添加全连接层就会导致问题。
3. 在我的实验中，生成器 G 的层数越多，生成的图像质量越好，也就是说，G 应该比判别器 D 更强大。
4. 向判别器 D 的输入和标签中加入噪声有助于稳定训练过程。
5. 使用不同的输入和生成分辨率（64x64 vs 96x96），在训练过程中似乎没有明显差异，生成的图像也非常相似。
6. 将二值噪声作为生成器 G 的输入效果惊人，但生成的图像不如使用高斯噪声时的效果好。这一想法归功于 @cwhy：这里的“二值噪声”是指由伯努利分布 p=0.5 生成的 {-1,1} 序列。

以上内容并未经过仔细验证，如果你正在寻找通用的 GAN 技巧，可以参考 @soumith 的 ganhacks。

其他说明

1. 本项目深受 chainer-DCGAN 和 IllustrationGAN 的启发，代码主要借鉴自 PyTorch DCGAN 示例，感谢作者们提供的清晰代码。
2. 依赖库：pytorch、torchvision
3. 这个项目对我来说只是一个学习 PyTorch 和 GAN 的玩具项目，最重要的是为了好玩！:) 欢迎任何反馈。

@jayleicn

AnimeGAN 快速上手指南

AnimeGAN 是一个基于 PyTorch 实现的生成对抗网络（GAN）项目，专注于动漫人脸图像的生成。本项目包含预训练模型及数据集构建工具。

环境准备

• 系统要求：Linux / macOS / Windows (需配置 Python 环境)
• 核心依赖：
  • Python 3.x
  • PyTorch
  • torchvision
• 数据集构建可选依赖（如需从头收集数据）：
  • gallery-dl (图片爬取工具)
  • python-animeface (动漫人脸检测库)

提示：国内用户建议使用清华源或阿里源加速安装 PyTorch 及相关依赖。

安装步骤

1. 克隆项目代码

   git clone https://github.com/jayleicn/animeGAN.git
   cd animeGAN
   

2. 安装 Python 依赖 确保已安装 PyTorch，然后安装其他必要库：

   pip install torchvision
   # 若需构建数据集，还需安装：
   # pip install gallery-dl python-animeface
   

3. 获取数据集与预训练模型 项目提供了清洗后的数据集（约 11.5 万张图像）和预训练的 DCGAN 模型。

   • 方式一（推荐国内用户）：通过百度网盘下载
     • 链接：https://pan.baidu.com/s/1o8Nxllo
     • 下载后解压至项目目录。
   • 方式二：通过 GitHub Releases 下载
     • 地址：https://github.com/jayleicn/animeGAN/releases/tag/data

基本使用

运行生成实验

将数据集路径替换为实际存放位置，执行以下命令启动训练或生成过程：

python main.py --dataRoot path_to_dataset/

使用预训练模型

项目中包含了预训练的 DCGAN 模型。您可以直接在 Jupyter Notebook 中加载该模型进行推理、图像插值或潜在空间探索，无需重新训练。

注意：本项目的数据集及模型仅供非商业用途使用。