18、基于Swish门控残差U-Net的动漫草图上色方法

基于Swish门控残差U-Net的动漫草图上色方法

1. 引言

动漫草图上色是将黑白动漫草图转化为彩色动漫图像的过程。它不仅需要为黑白草图填充合适的颜色，还需调整光照和阴影，以创造出理想的动漫图像。由于上色过程复杂，目前主要依赖专业动漫艺术家完成。这不仅耗费大量时间和精力，还对专业能力要求极高。因此，设计一种合适的自动上色方法十分必要，它能避免手工上色的复杂流程，让普通人也能轻松创作更生动的动漫图像。

随着深度学习的发展，基于深度学习的动漫草图上色方法应运而生，如Style2paints、Paintschainer、Auto - painter等。这些方法利用深度神经网络自动将黑白动漫草图转化为彩色图像，上色速度比手工操作快。然而，这些自动上色模型的网络结构主要基于生成对抗网络（GANs），而GANs存在网络训练困难、生成效果不稳定和网络不收敛等问题，导致生成的彩色动漫图像质量较低，存在颜色混合不合理、颜色渐变不自然、上色超出填充区域等严重问题，其色彩渲染效果远不如手工上色。

U - net是一种U形卷积神经网络，最初用于医学图像分割领域，具有对称的左右分支，可看作编码器 - 解码器网络结构，也常用于图像合成领域。为提高合成图像的质量，需要对U - net进行改进。

为解决上述问题，本文提出了Swish门控残差U - net（SGRU）用于将黑白动漫草图上色为生动的彩色动漫图像。SGRU是对U - net的改进，引入了受Swish激活函数启发的Swish门控块（SGBs），并结合感知损失和逐像素损失构成最终损失，能有效提高上色质量，加速网络收敛。实验结果表明，SGRU明显优于其他先进方法，生成的彩色图像质量接近或达到手工上色水平。

2.