[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-vijishmadhavan--ArtLine":3,"tool-vijishmadhavan--ArtLine":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","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。\n\n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。\n\nOpenClaw 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",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-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。\n\n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。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-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。\n\n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。\n\n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",141543,2,"2026-04-06T11:32:54",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","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。\n\n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。\n\n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。",107888,"2026-04-06T11:32:50",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","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。\n\n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。\n\n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",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":73,"owner_avatar_url":74,"owner_bio":75,"owner_company":76,"owner_location":77,"owner_email":76,"owner_twitter":78,"owner_website":79,"owner_url":80,"languages":81,"stars":90,"forks":91,"last_commit_at":92,"license":93,"difficulty_score":10,"env_os":94,"env_gpu":95,"env_ram":94,"env_deps":96,"category_tags":102,"github_topics":103,"view_count":32,"oss_zip_url":76,"oss_zip_packed_at":76,"status":17,"created_at":115,"updated_at":116,"faqs":117,"releases":145},4675,"vijishmadhavan\u002FArtLine","ArtLine","A Deep Learning based project for creating line art portraits.","ArtLine 是一款基于深度学习的开源项目，专为将人像照片转化为精致的线条画而设计。它有效解决了传统线条画生成工具对拍摄角度、面部遮挡（如眼镜、刘海）及光照条件要求严苛的痛点，能够灵活处理各种姿态的人像，精准勾勒眼睛、嘴唇和鼻子等关键面部特征，即使是非正面或复杂的照片也能获得理想效果。\n\n无论是希望快速创作独特头像的普通用户、需要灵感素材的设计师，还是研究图像生成技术的开发者与研究人员，都能从 ArtLine 中受益。项目不仅提供了易于上手的 Colab 在线演示和高质量模型，还创新性地结合了 ControlNet 技术，允许用户通过文字指令微调艺术风格，甚至轻松制作电影海报风格的插画。\n\n在技术层面，ArtLine 的独特之处在于其数据策略与架构优化。作者巧妙融合了专业素描数据集与动漫线稿数据，显著提升了模型对复杂线条的理解能力。同时，项目引入了自注意力机制（Self-Attention）和渐进式图像缩放（Progressive Resizing）技术，确保生成的线条在细节丰富度与整体结构上均表现出色，让每个人都能轻松拥有大师级的线条画作品。","# ArtLine\n\n**You can sponsor me to support my open source work 💖 [sponsor](https:\u002F\u002Fgithub.com\u002Fsponsors\u002Fvijishmadhavan?o=sd&sc=t)**\n\nThe main aim of the project is to create amazing line art portraits. \n\n# Exciting update\n\n#### ControlNet + ArtLine for portraits, Try colab!!\n\n[\u003Cimg src=\"https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg\" align=\"center\">](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fvijishmadhavan\u002FArtLine\u002Fblob\u002Fmain\u002FControlNet_%2BArtLine_.ipynb)\n\n\n## ControlNet + ArtLine\n\nThe model is designed to take in a portrait image and a corresponding written instruction, and then use that instruction to adjust the style of the image.\n\n\n![model](https:\u002F\u002Fi.imgur.com\u002FQNCw4CN.jpg)\n\n![model](https:\u002F\u002Fi.imgur.com\u002FjJuF3UN.jpg)\n\n![model](https:\u002F\u002Fi.imgur.com\u002FzizgSTf.jpg)\n\n![Shahrukh](https:\u002F\u002Fi.imgur.com\u002FWvKsYXj.jpg)\n\n\n## Highlights\n\n- [Example Images](#Example-Images)\n- [Cartoonize](#Cartoonize)\n- [Movie Poster created using ArtLine](#Movie-Poster-created-using-ArtLine)\n- [Technical Details](#Technical-Details)\n\n\n## Example Images\n\nbohemian rhapsody movie , Rami Malek American actor\n\n![bohemian](https:\u002F\u002Fi.imgur.com\u002Fod6IA08.jpg)\n\n\n\nPhoto by Maxim from Pexels\n\n![Imgur](https:\u002F\u002Fi.imgur.com\u002FyksAvUq.jpg)\n\n\nKeanu Reeves, Canadian actor.\n\n![Keanu](https:\u002F\u002Fi.imgur.com\u002Flabkc8V.jpg)\n\nPhoto by Anastasiya Gepp from Pexels\n\n![Imgur](https:\u002F\u002Fi.imgur.com\u002FxWEUK7W.jpg)\n\nInterstellar\n\n![Interstellar](https:\u002F\u002Fi.imgur.com\u002FxiuwDGd.jpg)\n\nPexels Portrait, Model\n\n![Imgur](https:\u002F\u002Fi.imgur.com\u002FNMaPOiE.jpg)\n\nBeyoncé, American singer\n\n![Beyoncé](https:\u002F\u002Fi.imgur.com\u002FQalvHKS.jpg)\n\n\n**Model-(Smooth)**\n\n[\u003Cimg src=\"https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg\" align=\"center\">](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fvijishmadhavan\u002FLight-Up\u002Fblob\u002Fmaster\u002FArtLine.ipynb)\n\n\n**Model-(Quality)**\n\n[\u003Cimg src=\"https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg\" align=\"center\">](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fvijishmadhavan\u002FLight-Up\u002Fblob\u002Fmaster\u002FArtLine(AR).ipynb)\n\n[![Open in RunwayML Badge](https:\u002F\u002Fopen-app.runwayml.com\u002Fgh-badge.svg)](https:\u002F\u002Fopen-app.runwayml.com\u002F?model=akhaliq\u002FArtLine)\n\n\n**Click on the below image to know more about colab demo, credits to Bhavesh Bhatt for the amazing Youtube video.**\n\n[![](https:\u002F\u002Fi.imgur.com\u002FittgYum.png)](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=ULqlp6Btk2w&t=324s)\n\n\n## Line Art\n\nThe amazing results that the model has produced has a secret sauce to it. The initial model couldn't create the sort of output I was expecting, it mostly struggled with recognizing facial features. Even though (https:\u002F\u002Fgithub.com\u002Fyiranran\u002FAPDrawingGAN) produced great results it had limitations like (frontal face photo similar to ID photo, preferably with clear face features, no glasses and no long fringe.) I wanted to break-in and produce results that could recognize any pose. Achieving proper lines around the face, eyes, lips and nose depends on the data you give the model. APDrawing dataset alone was not enough so I had to combine selected photos from Anime sketch colorization pair dataset. The combined dataset helped the model to learn the lines better.\n\n## Movie Poster created using ArtLine.\n\nThe movie poster was created using ArtLine in no time , it's not as good as it should be but I'm not an artist.\n\n![Poster](https:\u002F\u002Fi.imgur.com\u002FQuRnKjB.jpg)\n\n![Poster](https:\u002F\u002Fi.imgur.com\u002FRvTTxdI.jpg)\n\n\n## Technical Details\n\n* **Self-Attention** (https:\u002F\u002Farxiv.org\u002Fabs\u002F1805.08318). Generator is pretrained UNET with spectral normalization and self-attention. Something that I got from Jason Antic's DeOldify(https:\u002F\u002Fgithub.com\u002Fjantic\u002FDeOldify), this made a huge difference, all of a sudden I started getting proper details around the facial features.\n\n* **Progressive Resizing** (https:\u002F\u002Farxiv.org\u002Fabs\u002F1710.10196),(https:\u002F\u002Farxiv.org\u002Fpdf\u002F1707.02921.pdf). Progressive resizing takes this idea of gradually increasing the image size, In this project the image size were gradually increased and learning rates were adjusted. Thanks to fast.ai for intrdoucing me to Progressive resizing, this helps the model to generalise better as it sees many more different images.\n\n* **Generator Loss** :  Perceptual Loss\u002FFeature Loss based on VGG16. (https:\u002F\u002Farxiv.org\u002Fpdf\u002F1603.08155.pdf).\n\n**Surprise!! No critic,No GAN. GAN did not make much of a difference so I was happy with No GAN.**\n\nThe mission was to create something that converts any personal photo into a line art. The initial efforts have helped to recognize lines, but still the model has to improve a lot with shadows and clothes. All my efforts are to improve the model and make line art a click away.\n\n![Imgur](https:\u002F\u002Fi.imgur.com\u002FfhUi3uv.jpg)\n\n## Dataset\n\n[APDrawing dataset](https:\u002F\u002Fcg.cs.tsinghua.edu.cn\u002Fpeople\u002F~Yongjin\u002FAPDrawingDB.zip) \n\nAnime sketch colorization pair dataset\n\nAPDrawing data set consits of mostly close-up portraits so the model would struggle to recogonize cloths,hands etc. For this purpose selected images from Anime sketch colorization pair were used.\n\n\n## Going Forward\n\nI hope I was clear, going forward would like to improve the model further as it still struggles with random backgrounds(I'm creating a custom dataset to address this issue).\n\n*I will be constantly upgrading the project for the foreseeable future.*\n\n## Getting Started Yourself\n\nThe easiest way to get started is to simply try out on Colab: https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fvijishmadhavan\u002FLight-Up\u002Fblob\u002Fmaster\u002FArtLine(Try_it_on_Colab).ipynb\n\n### Installation Details\n\nThis project is built around the wonderful Fast.AI library.\n\n- **fastai==1.0.61** (and its dependencies).  Please dont install the higher versions\n- **PyTorch 1.6.0** Please don't install the higher versions\n\n### Limitations\n\n- Getting great output depends on Lighting, Backgrounds,Shadows and the quality of photos. You'll mostly get good results in the first go but there are chances for issues as     well. The model is not there yet, it still needs to be tweaked to reach out to all the consumers. It might be useful for \"AI Artisits\u002F Artists who can bring changes to the final output.\n\n- The model confuses shadows with hair, something that I'm trying to solve.\n\n- It does bad with low quality images(below 500px).\n\n- I'm not a coder, bear with me for the bad code and documentation. Will make sure that I improve with upcoming updates.\n\n### Updates\n\n[Get more updates on Twitter](https:\u002F\u002Ftwitter.com\u002FVijish68859437)\n\nMail me @ vijishmadhavan@gmail.com\n\n### Acknowledgments\n\n- The code is inspired from Fast.AI's Lesson 7 and DeOldify (https:\u002F\u002Fgithub.com\u002Fjantic\u002FDeOldify), Please have look at the Lesson notebook (https:\u002F\u002Fgithub.com\u002Ffastai\u002Fcourse-v3\u002Fblob\u002Fmaster\u002Fnbs\u002Fdl1\u002Flesson7-superres-gan.ipynb)\n\n- Thanks to (https:\u002F\u002Fgithub.com\u002Fyiranran\u002FAPDrawingGAN) for the amazing dataset.\n\n## License\n\nAll code in this repository is under the MIT license as specified by the LICENSE file.\n","# ArtLine\n\n**您可以通过赞助支持我的开源工作 💖 [赞助](https:\u002F\u002Fgithub.com\u002Fsponsors\u002Fvijishmadhavan?o=sd&sc=t)**\n\n该项目的主要目标是创作令人惊叹的线条艺术肖像。\n\n# 令人兴奋的更新\n\n#### ControlNet + ArtLine 用于肖像，快来 Colab 体验吧！！\n\n[\u003Cimg src=\"https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg\" align=\"center\">](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fvijishmadhavan\u002FArtLine\u002Fblob\u002Fmain\u002FControlNet_%2BArtLine_.ipynb)\n\n\n## ControlNet + ArtLine\n\n该模型旨在接收一张肖像照片和相应的文字指令，并根据该指令调整图像的风格。\n\n\n![model](https:\u002F\u002Fi.imgur.com\u002FQNCw4CN.jpg)\n\n![model](https:\u002F\u002Fi.imgur.com\u002FjJuF3UN.jpg)\n\n![model](https:\u002F\u002Fi.imgur.com\u002FzizgSTf.jpg)\n\n![Shahrukh](https:\u002F\u002Fi.imgur.com\u002FWvKsYXj.jpg)\n\n\n## 亮点\n\n- [示例图片](#Example-Images)\n- [卡通化](#Cartoonize)\n- [使用 ArtLine 创作的电影海报](#Movie-Poster-created-using-ArtLine)\n- [技术细节](#Technical-Details)\n\n\n## 示例图片\n\n《波西米亚狂想曲》电影，美国演员拉米·马雷克\n\n![bohemian](https:\u002F\u002Fi.imgur.com\u002Fod6IA08.jpg)\n\n\n\n来自 Pexels 的 Maxim 拍摄的照片\n\n![Imgur](https:\u002F\u002Fi.imgur.com\u002FyksAvUq.jpg)\n\n\n加拿大演员基努·里维斯。\n\n![Keanu](https:\u002F\u002Fi.imgur.com\u002Flabkc8V.jpg)\n\n来自 Pexels 的 Anastasiya Gepp 拍摄的照片\n\n![Imgur](https:\u002F\u002Fi.imgur.com\u002FxWEUK7W.jpg)\n\n《星际穿越》\n\n![Interstellar](https:\u002F\u002Fi.imgur.com\u002FxiuwDGd.jpg)\n\nPexels 肖像，模特\n\n![Imgur](https:\u002F\u002Fi.imgur.com\u002FNMaPOiE.jpg)\n\n美国歌手碧昂丝\n\n![Beyoncé](https:\u002F\u002Fi.imgur.com\u002FQalvHKS.jpg)\n\n\n**模型-(平滑)**\n\n[\u003Cimg src=\"https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg\" align=\"center\">](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fvijishmadhavan\u002FLight-Up\u002Fblob\u002Fmaster\u002FArtLine.ipynb)\n\n\n**模型-(高质量)**\n\n[\u003Cimg src=\"https:\u002F\u002Fcolab.research.google.com\u002Fassets\u002Fcolab-badge.svg\" align=\"center\">](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fvijishmadhavan\u002FLight-Up\u002Fblob\u002Fmaster\u002FArtLine(AR).ipynb)\n\n[![在 RunwayML 上打开徽章](https:\u002F\u002Fopen-app.runwayml.com\u002Fgh-badge.svg)](https:\u002F\u002Fopen-app.runwayml.com\u002F?model=akhaliq\u002FArtLine)\n\n\n**点击下方图片，了解更多关于 Colab 演示的信息，感谢 Bhavesh Bhatt 制作的精彩 YouTube 视频。**\n\n[![](https:\u002F\u002Fi.imgur.com\u002FittgYum.png)](https:\u002F\u002Fwww.youtube.com\u002Fwatch?v=ULqlp6Btk2w&t=324s)\n\n\n## 线条艺术\n\n该模型所取得的惊人成果背后有一个秘诀。最初的模型无法产生我期望的效果，它在识别面部特征方面存在很大困难。尽管 (https:\u002F\u002Fgithub.com\u002Fyiranran\u002FAPDrawingGAN) 生成了很好的结果，但它也有一些限制，比如需要正面、类似证件照的清晰面部照片，不能戴眼镜或留长刘海等。我希望突破这些限制，让模型能够识别任何姿势。要获得面部、眼睛、嘴唇和鼻子周围恰当的线条，取决于你提供给模型的数据。仅靠 APDrawing 数据集是不够的，所以我不得不结合动漫素描上色配对数据集中的精选照片。这种组合数据集帮助模型更好地学习线条。\n\n## 使用 ArtLine 创作的电影海报。\n\n这张电影海报是用 ArtLine 很快制作出来的，虽然效果还不够理想，但我毕竟不是艺术家。\n\n![Poster](https:\u002F\u002Fi.imgur.com\u002FQuRnKjB.jpg)\n\n![Poster](https:\u002F\u002Fi.imgur.com\u002FRvTTxdI.jpg)\n\n\n## 技术细节\n\n* **自注意力机制** (https:\u002F\u002Farxiv.org\u002Fabs\u002F1805.08318)。生成器是一个预训练的 UNET，带有谱归一化和自注意力机制。这是我从 Jason Antic 的 DeOldify (https:\u002F\u002Fgithub.com\u002Fjantic\u002FDeOldify) 中学到的，这带来了巨大的改变，我突然开始在面部特征周围得到更清晰的细节。\n\n* **渐进式缩放** (https:\u002F\u002Farxiv.org\u002Fabs\u002F1710.10196),(https:\u002F\u002Farxiv.org\u002Fpdf\u002F1707.02921.pdf)。渐进式缩放的理念是逐步增加图像尺寸。在这个项目中，图像尺寸被逐渐放大，同时调整学习率。感谢 fast.ai 向我介绍了渐进式缩放，这有助于模型在看到更多不同图像时更好地泛化。\n\n* **生成器损失**：基于 VGG16 的感知损失\u002F特征损失。 (https:\u002F\u002Farxiv.org\u002Fpdf\u002F1603.08155.pdf)。\n\n**惊喜！！没有判别器，也没有 GAN。GAN 并未带来显著效果，因此我决定不使用 GAN。**\n\n我们的使命是创建一种可以将任何个人照片转换为线条艺术的作品。初步的努力已经帮助模型识别线条，但模型在阴影和衣物的表现上仍有很大的提升空间。我所有的努力都是为了改进模型，让线条艺术触手可及。\n\n![Imgur](https:\u002F\u002Fi.imgur.com\u002FfhUi3uv.jpg)\n\n## 数据集\n\n[APDrawing 数据集](https:\u002F\u002Fcg.cs.tsinghua.edu.cn\u002Fpeople\u002F~Yongjin\u002FAPDrawingDB.zip) \n\n动漫素描上色配对数据集\n\nAPDrawing 数据集主要包含近景肖像，因此模型在识别衣物、手部等方面会遇到困难。为此，我们使用了动漫素描上色配对数据集中的一些精选图像。\n\n\n## 未来展望\n\n希望我已经表达清楚了。未来我将继续改进模型，因为它仍然难以处理复杂的背景（我正在创建一个自定义数据集来解决这个问题）。\n\n*在可预见的未来，我会不断升级这个项目。*\n\n## 自己动手开始\n\n最简单的方式就是在 Colab 上试一试：https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fvijishmadhavan\u002FLight-Up\u002Fblob\u002Fmaster\u002FArtLine(Try_it_on_Colab).ipynb\n\n### 安装说明\n\n该项目基于优秀的 Fast.AI 库构建。\n\n- **fastai==1.0.61**（及其依赖项）。请不要安装更高版本\n- **PyTorch 1.6.0** 请不要安装更高版本\n\n### 局限性\n\n- 获得优质输出取决于光线、背景、阴影以及照片的质量。初次尝试通常会有不错的效果，但也可能出现一些问题。目前模型仍需进一步优化，才能满足所有用户的需求。它可能对“AI 艺术家\u002F能够对最终作品进行修改的艺术家”更有帮助。\n\n- 模型有时会将阴影误认为头发，这也是我正在努力解决的问题。\n\n- 对于低质量图像（低于 500 像素）表现不佳。\n\n- 我并不是一名程序员，请谅解代码和文档可能存在的不足。我会在后续更新中不断改进。\n\n### 更新信息\n\n[在 Twitter 上获取更多更新](https:\u002F\u002Ftwitter.com\u002FVijish68859437)\n\n请发送邮件至 vijishmadhavan@gmail.com\n\n### 致谢\n\n- 本代码受到 Fast.AI 第 7 课和 DeOldify (https:\u002F\u002Fgithub.com\u002Fjantic\u002FDeOldify) 的启发，请参阅该课程笔记 (https:\u002F\u002Fgithub.com\u002Ffastai\u002Fcourse-v3\u002Fblob\u002Fmaster\u002Fnbs\u002Fdl1\u002Flesson7-superres-gan.ipynb)。\n\n- 感谢 (https:\u002F\u002Fgithub.com\u002Fyiranran\u002FAPDrawingGAN) 提供的优秀数据集。\n\n## 许可证\n\n本仓库中的所有代码均遵循 LICENSE 文件中规定的 MIT 许可证。","# ArtLine 快速上手指南\n\nArtLine 是一个基于深度学习的开源项目，旨在将人像照片转换为精美的线条画（Line Art）。本项目基于 Fast.AI 构建，支持通过 Colab 快速体验或本地部署。\n\n## 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**: Linux 或 macOS (Windows 用户建议使用 WSL2 或 Docker)\n*   **Python 版本**: 推荐 Python 3.6 - 3.8\n*   **核心依赖版本限制** (重要):\n    *   `fastai` 必须为 **1.0.61** (更高版本可能导致兼容性问题)\n    *   `PyTorch` 必须为 **1.6.0** (更高版本可能导致兼容性问题)\n*   **硬件建议**: 推荐使用 NVIDIA GPU 以获得更快的推理速度；若无 GPU，CPU 亦可运行但速度较慢。\n\n> **国内加速提示**: 安装依赖时，建议使用清华源或阿里源以加快下载速度。\n> 例如：`pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple ...`\n\n## 安装步骤\n\n### 方法一：使用 Google Colab (推荐新手)\n这是最简单的方式，无需配置本地环境即可直接运行。\n\n1.  点击以下链接打开 Colab 笔记本：\n    [ArtLine Try it on Colab](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fvijishmadhavan\u002FLight-Up\u002Fblob\u002Fmaster\u002FArtLine(Try_it_on_Colab).ipynb)\n2.  点击菜单栏的 **代码执行程序 (Runtime)** -> **全部运行 (Run all)**。\n3.  按照笔记本内的指引上传照片并生成结果。\n\n### 方法二：本地安装\n\n1.  **创建虚拟环境** (可选但推荐):\n    ```bash\n    python -m venv artline_env\n    source artline_env\u002Fbin\u002Factivate  # Windows 用户使用: artline_env\\Scripts\\activate\n    ```\n\n2.  **安装指定版本的 PyTorch 和 Fast.AI**:\n    请严格按照以下版本安装，不要安装更新版本。\n\n    ```bash\n    # 使用国内镜像源加速安装\n    pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple torch==1.6.0 torchvision==0.7.0\n    pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple fastai==1.0.61\n    ```\n\n3.  **克隆项目代码**:\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002Fvijishmadhavan\u002FArtLine.git\n    cd ArtLine\n    ```\n\n4.  **下载模型权重**:\n    项目通常需要预训练模型文件。请参考项目仓库中的 `models` 目录说明或 Colab 笔记本中的下载逻辑，将模型文件放置在正确目录（通常为 `models\u002F` 文件夹下）。\n\n## 基本使用\n\n### 1. 准备输入图片\n准备一张清晰的人像照片。\n*   **建议**: 光线充足、背景简单、面部特征清晰的照片效果最佳。\n*   **限制**: 图片分辨率建议高于 500px；避免过重的阴影或复杂的发饰，否则模型可能将阴影误识别为头发。\n\n### 2. 运行推理 (基于 Colab 或本地脚本逻辑)\n\n如果您在本地运行，通常需要编写一个简单的 Python 脚本来加载模型并进行预测。以下是基于 Fast.AI v1 的核心逻辑示例：\n\n```python\nfrom fastai.vision import *\nfrom fastai.basic_train import load_learner\nimport torch\n\n# 设置设备\ndefaults.device = torch.device('cuda' if torch.cuda.is_available() else 'cpu')\n\n# 加载预训练模型 (假设模型文件名为 'export.pkl' 且位于 models 目录)\n# 注意：具体路径需根据实际下载情况调整\nlearn = load_learner(path='models', file='export.pkl')\n\n# 准备图片\nimg_path = 'path\u002Fto\u002Fyour\u002Fportrait.jpg'\nimg = open_image(img_path)\n\n# 进行预测\npred_img, pred_idx, outputs = learn.predict(img)\n\n# 保存结果\npred_img.save('output_line_art.jpg')\nprint(\"线条画已生成：output_line_art.jpg\")\n```\n\n### 3. 进阶功能：ControlNet + ArtLine\n如果您希望结合文本指令调整风格，可以使用 ControlNet 集成版本。\n*   **Colab 地址**: [ControlNet + ArtLine](https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fvijishmadhavan\u002FArtLine\u002Fblob\u002Fmain\u002FControlNet_%2BArtLine_.ipynb)\n*   **用法**: 上传人像图片并输入文字描述（如 \"sketch style\", \"bold lines\"），模型将根据指令调整输出风格。\n\n---\n*注：本工具仍在持续迭代中，对于复杂背景、衣物细节及低质量图片的处理效果可能存在波动，建议艺术家或开发者对输出结果进行后期微调。*","一位独立游戏开发者需要为角色设计稿快速生成风格统一的线稿，以便后续上色和动画制作。\n\n### 没有 ArtLine 时\n- 手动描摹照片耗时极长，处理一张复杂人像往往需要数小时，严重拖慢开发进度。\n- 传统边缘检测算法无法理解面部结构，生成的线条在眼睛、嘴唇等关键部位经常断裂或杂乱。\n- 对非正面角度（如侧脸、低头）的照片支持极差，必须寻找特定角度的参考图，限制了角色设计的自由度。\n- 难以保持多张角色图的线条风格一致，导致最终美术素材看起来拼凑感强，缺乏整体艺术感。\n\n### 使用 ArtLine 后\n- 上传角色参考照并输入指令，ArtLine 能在几秒钟内自动生成高质量线稿，将单张处理时间从小时级压缩至秒级。\n- 基于深度学习的模型精准识别五官特征，即使在高难度角度下也能生成连贯、流畅且结构准确的面部线条。\n- 不再受限于照片姿态，ArtLine 能灵活处理各种复杂角度和表情的输入，极大拓展了角色设计的创意空间。\n- 通过统一模型参数，ArtLine 确保所有生成的线稿拥有相同的笔触风格，轻松构建出视觉高度统一的角色家族。\n\nArtLine 将繁琐的手工描线工作转化为高效的自动化流程，让创作者能专注于核心创意设计而非重复劳动。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fvijishmadhavan_ArtLine_27394808.png","vijishmadhavan","Vijish Madhavan","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fvijishmadhavan_2e09244b.jpg","Contact me @ vijishmadhavan@gmail.com",null,"Earth","Vijish68859437","vijishmadhavan@gmail.com","https:\u002F\u002Fgithub.com\u002Fvijishmadhavan",[82,86],{"name":83,"color":84,"percentage":85},"Jupyter Notebook","#DA5B0B",99.7,{"name":87,"color":88,"percentage":89},"Python","#3572A5",0.3,3634,376,"2026-04-06T18:19:47","MIT","未说明","未明确说明必需，但基于 PyTorch 和深度学习模型特性，建议使用支持 CUDA 的 NVIDIA GPU 以获得最佳性能；具体显存和 CUDA 版本未提及",{"notes":97,"python":98,"dependencies":99},"项目基于 Fast.AI 库构建。作者特别强调不要安装高于指定版本（fastai 1.0.61 和 PyTorch 1.6.0）的依赖，否则可能导致兼容性问题。模型在低分辨率图像（低于 500px）上表现不佳。官方推荐使用 Google Colab 进行尝试，本地安装需严格遵循版本限制。","未说明（需兼容 PyTorch 1.6.0 和 fastai 1.0.61）",[100,101],"fastai==1.0.61","PyTorch==1.6.0",[14,13,15],[104,105,106,107,108,109,110,111,112,113,114],"movie-poster","colab","art-portraits","deep-learning","ai","portraits","generative-art","creative-coding","machine-learning","nogan","nogan-training","2026-03-27T02:49:30.150509","2026-04-07T07:02:15.693454",[118,123,128,132,137,141],{"id":119,"question_zh":120,"answer_zh":121,"source_url":122},21257,"文档中的 Colab 笔记本链接失效或找不到怎么办？","笔记本名称已更改，请使用更新后的链接：https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fvijishmadhavan\u002FLight-Up\u002Fblob\u002Fmaster\u002FArtLine(AR).ipynb。此外，作者还推荐查看其新项目 Toon-Me：https:\u002F\u002Fgithub.com\u002Fvijishmadhavan\u002FToon-Me。","https:\u002F\u002Fgithub.com\u002Fvijishmadhavan\u002FArtLine\u002Fissues\u002F20",{"id":124,"question_zh":125,"answer_zh":126,"source_url":127},21258,"如何在 Flask 应用中加载模型时解决 'AttributeError: Can't get attribute FeatureLoss' 错误？","该错误通常是因为加载模型时缺少自定义类（如 FeatureLoss）的定义。解决方案是参考已有的可运行 Flask 演示项目，确保在加载模型前定义了相同的类结构。可参考此完整示例代码：https:\u002F\u002Fgithub.com\u002Fjwenjian\u002Fartline-demo。","https:\u002F\u002Fgithub.com\u002Fvijishmadhavan\u002FArtLine\u002Fissues\u002F13",{"id":129,"question_zh":130,"answer_zh":131,"source_url":122},21259,"项目中有哪些可用的 Colab 笔记本？","目前 Light-Up 仓库中列出了 4 个可用的 Colab 笔记本，其中包括用于艺术线条生成的 ArtLine(AR).ipynb。所有笔记本列表可通过 Google Colab 直接访问查看。",{"id":133,"question_zh":134,"answer_zh":135,"source_url":136},21260,"是否有替代项目或后续版本推荐使用？","作者推荐尝试其新项目 Toon-Me，该项目可能是 ArtLine 的演进版本或提供类似功能。项目地址为：https:\u002F\u002Fgithub.com\u002Fvijishmadhavan\u002FToon-Me。","https:\u002F\u002Fgithub.com\u002Fvijishmadhavan\u002FArtLine\u002Fissues\u002F12",{"id":138,"question_zh":139,"answer_zh":140,"source_url":127},21261,"如何在本地部署 ArtLine 的 Web 演示？","可以参考社区提供的基于 Flask 的可运行演示项目：https:\u002F\u002Fgithub.com\u002Fjwenjian\u002Fartline-demo。该项目解决了模型加载和依赖配置问题，适合用于本地部署测试。",{"id":142,"question_zh":143,"answer_zh":144,"source_url":136},21262,"为什么按照文档操作却提示笔记本不存在？","这是因为文档中的笔记本文件名已过时。正确的笔记本文件名为 ArtLine(AR).ipynb，请替换旧链接中的文件名部分。正确链接为：https:\u002F\u002Fcolab.research.google.com\u002Fgithub\u002Fvijishmadhavan\u002FLight-Up\u002Fblob\u002Fmaster\u002FArtLine(AR).ipynb。",[]]