摘要：人为的动漫线稿着色耗时费力,现有基于深度学习上色方法的着色效果并不是很好,比如颜色混淆不清晰、色彩梯度较差、颜色线条不合理等等。基于上述问题,提出了一种基于Swish激活函数残差增强模块的GAN网络,它可以更好地学习到颜色填充时线条的细节,避免颜色超过填充区域,造成颜色混淆。同时,该方法可以直接对线稿到彩色图片进行端到端的训练,仅仅输入线稿就可以自动地对线稿上色,生成颜色丰富纹理清晰的彩色图片。实验结果表明,该方法比现有方法具有更好的着色能力,可以获得更符合视觉感官、视觉效果更好的彩色图片。

摘要：近年来,随着一些突破性的神经风格迁移方法的出现,一张动漫线稿和一张匹配的风格图像可以通过风格迁移的方法,生成一张彩色图像。但是,当需要将这幅图像的风格具体应用到某张动漫线稿的时候,这些方法都只是将线稿的素描线随即上色作为输出,并且无法得到想要的具体风格类型迁移。在本文中,利用一种改进的残差增强U-net变体结合辅助分类器组成辅助分类器生成对抗网络模型(AC-GAN)应用于神经风格迁移动漫线稿上色中。实验结果表明,该方法能够将辅助图像的颜色风格应用到线稿当中,同时生成的彩色图像具有较高的质量。