二次元頭像自動生成工具MakeGirls

cGAN二次元頭像自動生成工具MakeGirls是一款能夠通過選擇人物屬性來自動生成動漫人物頭像的工具，利用ai可以隨機生成各種風格的二次元妹子頭像，大多數較為精美毫無違和感，喜歡的用戶千萬不要錯過。

軟件簡介

下圖左側為通過屬性blonde hair, twin tails, blush, smile, ribbon, red eyes生成的人物，右側是通過屬性silver hair, long hair, blush, smile, open mouth, blue eyes生成的人物，都表現得非常自然，完全看不出是機器自動生成的：

模型生成的隨機樣本：

固定cGAN噪聲部分生成的樣本，此時人物具有不同的屬性，但是麵部細節和麵朝的角度基本一致：

軟件使用方法

更加令人興奮的是，作者搭建了一個網站，任何人都能隨時利用訓練好的模型生成圖像，進行實驗！

打開網站後需要等待進度條加載完畢，這個時候是在下載模型：

這裏的按鈕的含義都比較簡單，總的來說我們要先選定一些屬性（完全隨機也是可以的），然後點擊左側的generate按鈕生成：

完全隨機生成的結果，看起來非常好：

選擇發色（Hair Color）為金色（Blonde），發型（Hair Style）為雙馬尾（Twin Tail），點擊生成，效果同樣很讚！如下圖：

技術細節

改進一：更高質量的圖像庫

之前使用的訓練數據集大多數是使用爬蟲從Danbooru或Safebooru這類網站爬下來的，這類網站的圖片大多由用戶自行上傳，因此質量、畫風參差不齊，同時還有不同的背景。這篇文章的數據來源於getchu，這本身是一個遊戲網站，但是在網站上有大量的人物立繪，圖像質量高，基本出於專業畫師之手，同時背景統一：

除了圖像外，為了訓練cGAN，還需要圖像的屬性，如頭發顏色、眼睛的顏色等。作者使用Illustration2Vec，一個預訓練的CNN模型來產生這些標簽。

改進二：GAN結構

此外，作者采取了和原始的GAN不同的結構和訓練方法。總的訓練框架來自於DRAGAN，經過實驗發現這種訓練方法收斂更快並且能產生更穩定的結果。

生成器G的結構類似於SRResNet

判別器也要做一點改動，因為人物的屬性相當於是一種多分類問題，所以要把最後的Softmax改成多個Sigmoid：

詳細的訓練和參數設定可以參照原論文。

一些問題

雖然大多數的圖像樣本都比較好，但作者也提出了該模型的一些缺點。由於訓練數據中各個屬性的分布不均勻，通過某些罕見的屬性組合生成出的圖片會發生模式崩壞。比如屬性帽子(hat)、眼鏡(glasses)，不僅比較複雜，而且在訓練樣本中比較少見，如果把這些屬性組合到一起，生成的圖片的質量就比較差。

如下圖，左側為aqua hair, long hair, drill hair, open mouth, glasses, aqua eyes對應的樣本，右側為orange hair, ponytail, hat, glasses, red eyes, orange eyes對應的樣本，相比使用常見屬性生成的圖片，這些圖片的質量略差：