1 模型简介

Selfie2anime模型：动漫风格，训练集主要针对人物头像；对应论文为：U-gat-it: Unsupervised generative attentional networks with adaptive layer-instance normalization for image-to-image translation
Hayao模型：日本漫画；
Shinkai模型：日本漫画；
CartoonGan模型：tensorflow hub 开源模型：https://systemerrorwang.github.io/White-box-Cartoonization/，对应论文为：Learning to cartoonize using white-box cartoon representations

2 模型输入

Selfie2anime模型：$256\ast 256$，原始模型为4.7G，google实现版本为10.2M；
Hayao模型：$256\ast 256$；
Shinkai模型：$384\ast 384$；
CartoonGan模型：$512\ast 512$，经过量化（数据格式 float32-> unit8）后部署的模型，其模型文件大小为 2M，预测时间也最短。

3 测试结果

3.1 人物头像

3.2 其他图像

3.3 分析

$256\ast 256$ 两种模型之间的相差并不大，差异表现在生成图片的整体颜色不同；$256\ast 256$ 与 $384\ast 384$ 的模型之间整体差异不大，具体差异体现在细节上，例如人脸面部器官“眼睛”、“鼻子”上，在风景图片中相差并不大。

由于输入图片的长宽通常在 800 像素值以上，而网络的输入是固定的，因此在输入网络时需要将图片进行压缩、将图片缩小到目的尺寸（256 或者 384）， 因此在缩小的过程中，难免会损失原图的细节信息，因此输入为 $384\ast 384$ 的模型效果理所当然会好很多。但 $384\ast 384$ 的图像同时也存在一定的弊端，即内存消耗较大。

3.4 内存分析

由于Shinkai 模型公布了网络结构，我们以这个模型为例来分析内存占用情况。Shinkai 模型中间最大的卷积层的图片通道数为 512，像素点的值为 float 类型，占用 4 个字节，因此这个卷积层占用的内存为：$384\ast 384\ast 512\ast 4=301,989,888$ 字节，约为 302M 的内存，而 $256\ast 256$ 的图片只需要申请 134M 的内存，$600\ast 600$ 的图片需要 737M 的内存，且在模型中包含多个卷积层，因此图片尺寸的增长会消耗更加大量的内存。

4 进一步说明

• 内存分析后可知，如果模型已经固定，增加输入图片的大小，就会增加内存空间。
• 现有的模型对接近“正方形”的图片处理效果最佳，长宽差距过大的图片则会影响生成图片的质量，因此在网络输入时，可以考虑通过设计一个裁剪框，让用户裁剪图片长宽为 1:1 的图像，最后再缩小到 $384\ast 384$ 的大小，输入网络得到结果后再放大。
• 当不得不对“长方形”的图片进行处理时，可以考虑将长方形进行切割，切割后分别进行风格迁移，将得到的结果进行拼接，返回原图像的迁移结果。
• 模型的内存与网络的卷积层结构参数有关，因此也可以从模型设计上进行改进，设计更小的网络。缺点：数据集较大，训练时间较长，对训练设备要求较高，且训练出的模型能减少内存占用量，却不能保证风格迁移的“效果” 会比现有的模型更好。