超火的漫画线稿上色AI出新版了！无监督训练，效果更美好|代码 Demo(5)

具体的原理可以看当时的论文Style Transfer for Anime Sketches with Enhanced Residual U-net and Auxiliary Classifier GAN
，来自苏州大学的三位作者Lvmin Zhang, Yi Ji, Xin Lin介绍了怎样将集合的剩余U-Net样式应用到灰度图中，并借助分类器生成的对抗网络(AC-GAN)自动为图像上色。生成过程迅速，效果尚好。
论文地址：
不一样的2.0
style2paints第一版推出之后非常火，量子位的不少朋友都上手玩过。
不过，他们的主要竞品paintschainer不停迭代，后来，上色的效果渐渐超越了style2paints 1.0，于是，作者们也坐不住了，开始研究新方法，更新了一版出来。
那么，2.0和1.0有什么不一样吗？
巧了，国外的网友也很关心。作者在Reddit上回答说，和上一版相比，style2paints 2.0大部分训练都是纯粹无监督，甚至无条件的。
也就是说，在这个模型的训练过程中，除了对抗规则之外没有添加其他的人工定义规则，没有规则来强迫生成器神经网络照着线稿画画，而是靠神经网络自己发现，如果遵照线稿，会更容易骗过鉴别器。
pix2pix、CycleGAN等同类模型为了确保收敛，会对学习对象添加l1 loss，鉴别器接收到的数据是成对的[input, training data]和[input, fake output]。而style2paints 2.0模型的学习目标和经典DCGAN完全相同，没有添加其他规则，鉴别器收到的也不是成对的输出。