AnimeGAN 是基于 CartoonGAN 的改进,并提出了一个更加轻量级的生成器架构，2019 年 AnimeGAN 首次开源便以不凡的效果引发了热议。
AnimeGANv2 线上测试效果
在初始版本发布时的论文《AnimeGAN: a novel lightweight GAN for photo animation》中还提出了三个全新的损失函数，用于提升风格化的动漫视觉效果。
这三个损失函数分别是：灰度风格损失，灰度对抗损失、颜色重建损失。
AnimeGAN 与其他动漫风格迁移模型的效果对比
去年九月发布的 AnimeGANv2 优化了模型效果，解决了 AnimeGAN 初始版本中的一些问题。
在 v2 中还新增了新海诚、宫崎骏、今敏三位漫画家漫画风格的训练数据集。
AnimeGAN 初代模型运行效果
AnimeGANv2 模型运行效果
以马斯克为例，AnimeGAN 初代的效果已经很令人惊艳，只是太过于白嫩病娇，仿佛韩国男团成员。相比之下，v2 更加自然，也更贴合真实气质。
AnimeGANv2 的更新重点：
- 解决了生成的图像中高频伪影的问题；
- v2 更易于训练，并能直接达到论文所述的效果；
- 进一步减少生成器网络的参数数量。(生成器大小 8.17Mb)；
- 加入更多高质量影像数据。
风景建筑图片 AnimeGANv2 模型运行效果
