Pix2Pix中文版ios客戶端

Pix2Pix中文版ios客戶端是目前最火爆的繪圖軟件，已經(jīng)被很多網(wǎng)友玩壞了，不管你會(huì)不會(huì)畫畫，只要你發(fā)揮自己的想象就可以生成精美的抽象圖片，喜歡的 朋友趕快來(lái)下載吧！

Pix2Pix中文版官方介紹

《pix2pix 》這是一款最近風(fēng)靡全球的繪圖軟件，這款軟件可以說(shuō)是已經(jīng)被歪果仁玩壞了的節(jié)奏，不過(guò)依舊還是非常有樂(lè)趣的。它支持將在線手繪出的簡(jiǎn)筆畫轉(zhuǎn)化為真實(shí)的貓咪、鞋、包包等圖片，不管你畫成什么樣都能幫你快速轉(zhuǎn)化，大家可以發(fā)揮自己的想象力，畫出讓人不忍直視的內(nèi)容。旨在允許任何類型的圖像變換的應(yīng)用程序無(wú)關(guān)的訓(xùn)練。所需要的是包含圖像對(duì)A和B的數(shù)據(jù)集，并且可以訓(xùn)練網(wǎng)絡(luò)以變換到任一方向�？赡艿膽�(yīng)用包括著色，分割，線圖畫到圖像，映射到衛(wèi)星視圖，風(fēng)格化等。操作在兩個(gè)方向上工作，因此通過(guò)正確訓(xùn)練的網(wǎng)絡(luò)，可以從地圖或從彩色分割的建筑立面生成合理的衛(wèi)星視圖。

Pix2Pix中文版效果預(yù)覽

1.立面（facades）

在建筑立面數(shù)據(jù)庫(kù)上訓(xùn)練有標(biāo)簽的建筑立面。它似乎不知道如何處理一個(gè)大的空白區(qū)域，但如果放上足夠的窗口，那么結(jié)果往往合理。繪制“墻”顏色矩形來(lái)擦除東西。

2.邊緣轉(zhuǎn)換成貓咪（edges2cats）

在約2k 存儲(chǔ)貓照片和從那些照片自動(dòng)生成的邊緣之上訓(xùn)練。生成了彩色貓對(duì)象和一些帶有噩夢(mèng)的臉。我所見(jiàn)過(guò)的最好的一個(gè)是貓貓。

一些圖片看起來(lái)特別蠕動(dòng)，因?yàn)閷?duì)動(dòng)物辨識(shí)產(chǎn)生誤判，特別是在眼睛周圍。自動(dòng)檢測(cè)的邊緣在很多情況下不是很好，沒(méi)有檢測(cè)到貓的眼睛，使得訓(xùn)練圖像翻譯模型效果更差。

3.邊緣轉(zhuǎn)換成鞋（edges2shoes）

在從Zappos收集的〜50k鞋子圖片以及從那些圖片自動(dòng)生成的邊緣的數(shù)據(jù)庫(kù)上訓(xùn)練之后。如果你真的擅長(zhǎng)繪制鞋子的邊緣，可以嘗試產(chǎn)生一些新的設(shè)計(jì)。請(qǐng)記住，因?yàn)槭窃谡鎸?shí)的對(duì)象上進(jìn)行訓(xùn)練，所以如果你可以繪制更多的3D物體，所以似乎工作得更好。

4.邊緣轉(zhuǎn)換成手袋（edges2handbags）

和前面類似，在從亞馬遜收集的〜137k手袋圖片及從那些照片自動(dòng)生成邊緣數(shù)據(jù)庫(kù)上訓(xùn)練。如果你在這里畫一個(gè)鞋而不是手提包，你會(huì)得到一只非常奇怪的紋理鞋。

Pix2Pix中文版功能介紹

16過(guò)濾器：

- P濾鏡，你喜愛(ài)的肖像

- G濾鏡，使您的照片華麗

- S濾鏡，美麗的風(fēng)景

- V濾鏡，使照片看起來(lái)復(fù)古

超過(guò)100字的字體：

- 感覺(jué) - 只需提供您目前的感受用一個(gè)詞。

- 氣候 - 你可以根據(jù)不同的環(huán)境不同的鏡頭，和季節(jié)。對(duì)不對(duì)？

- 現(xiàn)在和這里 - 我們永遠(yuǎn)愛(ài)分享這個(gè)時(shí)刻，這個(gè)地方我們呼吸急促。

- 什么 - 還有其他事情要加上你的照片。

使用說(shuō)明

使用pix2pix-tensorflow的pix2pix.py腳本訓(xùn)練和導(dǎo)出模型。交互式演示是使用Canvas API 以 Javascript 編寫的，并與通過(guò)Tensorflow運(yùn)行圖像的后端服務(wù)器通信。后端服務(wù)器可以運(yùn)行Tensorflow本身，或者將請(qǐng)求轉(zhuǎn)發(fā)到由Google運(yùn)行的托管Tensorflow服務(wù)的Cloud ML 上。

預(yù)訓(xùn)練模型在GitHub上的數(shù)據(jù)集部分提供。所有的發(fā)布與原來(lái)的pix2pix實(shí)現(xiàn)應(yīng)該都是可用的。模型可以使用pix2pix.py腳本從預(yù)訓(xùn)練的模型中導(dǎo)出，導(dǎo)出的模型從GitHub上的服務(wù)器README鏈接過(guò)來(lái)的。

貓照片的邊緣是使用整體嵌套邊緣檢測(cè)（Holistically-Nested EdgeDetection）生成的，并且將功能添加到process.py腳本中，并將依賴項(xiàng)添加到Docker鏡像中。