2024年云动漫一智能小程序 篇1
2018年可以说是小程序飞速发展的一年。百度小程序能够取得这么好的成绩和百度搜索有着直接的关系。百度搜索直接为小程序附能，直接实现了流量的转化，而小程序也更好的服务了搜索引擎。
百度本身具有强大的客户基数，小程序出现在百度搜索导航栏，其实已经给小程序附能，将百度强大的数据流量导向了小程序，因此百度小程序能取得这么好的成绩也在意料当中。
百度搜索是一个主动强需求为导向的动作，用户通过搜索内容满足需求，而小程序实现了更精准的完整名称的搜索，从而是对百度搜索的补充和服务，当然也更进一步满足了客户的搜索需求，真正的实现了相辅相承的局面，因此说搜索和小程序是一对是合情合理的。
我是戴飞，戴飞创业笔记只专注网络创业，每天分享创业知识，希望我@戴飞创业笔记 的回答能够帮助到你，也希望大家能够成为朋友！
2024年云动漫一智能小程序 篇2
相信每个人都会被卡哇伊的二次元妹子萌到，我们很多人也可能梦想自己创作二次元人物，但奈何技艺不精、功力不足，得到的结果往往无法达到我们的期望。现在人工智能来帮你了！近日，来自复旦大学、纽约州立大学石溪分校和同济大学的一些研究者打造了一个基于 GAN 的动漫人物面部图像生成器，并且还开放了一个网页版本。研究者近日发表了一篇博客对该项研究进行了介绍。
论文地址：https://makegirlsmoe.github.io/assets/pdf/technical_report.pdf
在线体验：http://make.girls.moe/
我们都喜欢动漫人物，也可能会想自己做一些，但我们大多数人因为没经过训练所以无法做到。如果可以自动生成专业水准的动漫人物呢？现在，只需指定金发/双马尾/微笑等属性，无需任何进一步干预就能生成为你定制的动漫人物！
在动漫生成领域，之前已经有一些先驱了，比如：
ChainerDCGAN：https://github.com/pfnet-research/chainer-gan-lib
Chainer を使ってコンピュータにイラストを描かせる：http://qiita.com/rezoolab/items/5cc96b6d31153e0c86bc
IllustrationGAN：https://github.com/tdrussell/IllustrationGAN
AnimeGAN：https://github.com/jayleicn/animeGAN
但这些模型得到的结果往往很模糊或会扭曲变形，要生成业界标准的动漫人物面部图像仍然是一大难题。为了帮助解决这一难题，我们提出了一种可以相当成功地生成高质量动漫人物面部图像的模型。
数据集：模型要想质量好，首先需要好数据集
要教计算机学会做事，就需要高质量的数据，我们的情况也不例外。Danbooru（https://danbooru.donmai.us ）和 Safebooru（https://safebooru.org ）等大规模图像讨论版的数据有很多噪声，我们认为这是之前成果的问题的部分原因，所以我们使用了在 Getchu 上销售的游戏的立绘（立ち絵）图像。Getchu 是一家展示日本游戏的信息并进行销售的网站。立绘具有足够的多样化，因为它们具有不同的风格，来自不同主题的游戏；但它们也具有很好的一致性，因为它们全部都属于人物图像。
我们也需要分类的元数据（即标签/属性），比如头发颜色、是否微笑。Getchu 并没提供这样的元数据，所以我们使用了 Illustration2Vec，这是一个基于卷积神经网络的用于估计动漫标签的工具，地址：https://makegirlsmoe.github.io/main/2017/08/14/saito2015illustration2vec
模型：核心部分
为了实现我们的目标，就必须要有一个优良的生成模型。这个生成器需要能理解并遵从用户给出的特定属性，这被称为我们的前提（prior）；而且它还需要足够的自由度来生成不同的详细的视觉特征，这是使用噪声（noise）建模的。为了实现这个生成器，我们使用了生成对抗网络（GAN）这种流行的框架。
GAN 使用一个生成器网络根据前提和噪声输入来生成图像，GAN 还有另一个网络会试图将生成的图像和真实图像区分开。我们同时训练这两个网络，最终会使得生成器生成的图像无法与对应前提下的真实图像区分开。但是众所周知要训练一个合适的 GAN 是非常困难的，而且非常耗时。幸运的是，最近一项名为 DRAGAN 的进展让我们仅需相对很少的计算能力，就能实现可与其它 GAN 媲美的结果。我们成功训练了一个 DRAGAN，它的生成器类似于 SRResNet。
我们也需要我们的生成器了解标签信息，这样才能将用户给出的指标整合进来。受 ACGAN 的启发，我们向生成器输入标签以及噪声，并在鉴别器的顶层增加了一个多标签分类器，用来预测图像所分配的标签。
使用这些数据和这个模型，我们直接在 GPU 驱动的机器上进行了训练。
本节所涉及的技术：
GAN：https://papers.nips.cc/paper/5423-generative-adversarial-nets
DRAGAN：https://arxiv.org/abs/1705.07215
SRResNet：https://arxiv.org/abs/1609.04802
ACGAN：https://arxiv.org/abs/1610.09585
样例：一张图片胜过千言万语
为了了解我们的模型的质量，请参看下面的图像，可以发现我们的模型能很好地处理不同的属性和视觉特征。
固定随机噪声并且采样随机前提是一个很有意思的设置。现在，该模型被要求生成具有相似主要视觉特征的图像，同时结合不同的属性，结果也很不错：
另外，通过固定前提和采样随机噪声，该模型可以生成具有不同视觉特征，但具有相同属性的图像：
网页接口：在你的浏览器上使用神经生成器
为了将我们的模型提供给大家使用，我们使用 React.js 构建了一个网站接口，并且开放了出来：http://make.girls.moe 。通过利用 WebDNN 并将训练后的 Chainer 模型转换成基于 WebAssembly 的 Javascript 模型，我们让生成过程完全在浏览器上完成。为了更好的用户体验，我们限制了生成器模型的大小，因为用户在生成之前需要下载该模型。我们选择了 SRResNet 生成器，使得该模型比流行的 DCGAN 生成器小了好几倍，而且也不会影响到生成结果的质量。速度方面，即使所有的计算都在客户端上完成，一般生成一张图像也只需要几秒钟。
论文：Create Anime Characters with A.I. !
地址：https://makegirlsmoe.github.io/assets/pdf/technical_report.pdf
摘要：自从生成对抗网络（GAN）问世之后，面部图像的自动生成已经得到了很好的研究。在将 GAN 模型应用到动漫人物的面部图像生成问题上已经有过一些尝试，但现有的成果都不能得到有前途的结果。在这项成果中，我们探索了专门用于动漫面部图像数据集的 GAN 模型的训练。我们从数据和模型方面解决了这一问题——通过收集更加清洁更加合适的数据集以及利用 DRAGAN 的合适实际应用。通过定量分析和案例研究，我们表明我们的研究可以得到稳定且高质量的模型。此外，为了协助从事动漫人物设计的人，我们建立了一个网站，通过在线的方式提供了我们预训练的模型，从而让大众可以轻松获取该模型。
生成器架构
鉴别器架构
2024年云动漫一智能小程序 篇3
百度智能小程序是百度2108年重磅推出的产品，和其他的小程序一样，都不需要下载就可以使用，不同的是百度智能小程序依托以百度App为代表的全域流量平台，通过百度AI开放式赋能，精准完成连接用户的功能。
百度智能小程序的优势在哪？1、智能
智能这2个字，可不是虚有其名，智能指的是百度公司将百度大脑3.0AI能力开放给所有开发者。百度大脑3.0AI含有语音、图像、自然语言处理等AI技术，还有百度地图的空间数据，以及Apollo和DuerOS的物联网连接功能，甚至有一部分功能已经打包好了，开发者只需要直接调用，可以说是非常简单和贴心了。
结合百度具有巨大优势的AI技术，小程序必然会有更宽广的道路。2、流量入口多
相比微信小程序来说，百度智能小程序的入口可以说是非常的多了，百度旗下说有的产品都可以找到小程序，在百度APP-个人中心，可以看到常用的小程序，在百度APP首页下拉，还可进入智能小程序全屏页面。百度开放下拉入口，也意味着更大的流量。搜索，关键词搜索是百度智能小程序的一大优势，用户可直接在搜索框搜索关键词，即可在联想词和智能搜索结果中看到相关小程序。在搜索引擎中，用户不仅能刷到图文、短视频等，可以刷到相关关键词的智能小程序。百家号也可以添加智能小程序卡片。百家号文章在百度信息流中分发可获得智能小程序卡片曝光机会。除此之外常用的二维码扫描进入小程序也是必备的，还可以使用百度强大的语音搜索功能，进入小程序。和百度合作的伙伴也是可以找到百度智能小程序。 3、开源框架
有了开源框架，百度智能小程序可以让第三方平台轻轻松松构建自己的小程序平台，还可以将小程序和APP关联起来，让你的APP不再是一座孤岛。
百度智能小程序的优势非常大，完全可以满足开发者的需求。
2024年云动漫一智能小程序 篇4
其实这个问题完全没有必要具体到某个up主。现在这个网络时代，用户的时间和耐心越来越少，对于碎化的信息需求也就越来越强烈。
很多人没有耐心读完一本书、看完一部电影、甚至追完一部动画，更不愿意去深挖故事的内涵、分析镜头的含义、讨论作者的思想。视频剪辑和故事大纲的总结似乎成了最好的选择，三分钟读完一本书、五分钟看完一部电影、十分钟看完一部动画，这样的二次创作变得越来越受欢迎。只看二次创作，而不看作品本身的“云观众”也越来越多了。
如果是单纯为了娱乐，为了在跟别人聊天的时候有一些共同语言，选择这样的视频其实也不错。
但如果想有所收获，想形成自己独到的见解，最好不要过于依赖那些吐槽视频。首先他们作为up主们咀嚼之后的反刍物，有一定的主观性和误导性。其次是单单凭借剪辑出来的碎化信息，是很难去体会作品真正的魅力的。
举个例子，《罪恶王冠》本身是一部饱受争议的片子，但最初的讨论都是观众在看过之后进行的有理有据的有价值争论。
lex在出过几期视频之后，就有不少“云观众”加入了讨论之中。他们听完了介绍马上就觉得这部动画不好，不仅拒绝去看，还总是根据up主的观点来发表言论。
到底《罪恶王冠》的问题出在哪？故事怎样发展才算合理？为什么人物会有这样的动机？同样的情节可以与哪些作品进行横向对比？“云观众”根本就没有机会思考，也就失去了一次提高自己鉴赏能力的机会。评论存在的目的本来就是交流，而不是单方面的传输。
当然想做到这些，也是有门槛的。但既然喜欢动画这种故事载体，又相信自己在未来的一段时间里能够继续保持兴趣，为什么提高一下自己的水平呢？不要当云观众，至少自己看完作品后再去看别人的吐槽。
另外除了比较热门的一些up，还有些有趣有料却一直比较低调的up，包括但不限于“名作之壁吧”，“AnimeTamashii”，“阿卡林嫁给我吧”，“entei08”等等。其中entei08专门负责搬运【毒舌老外gigguk】的视频，漫评视频的先驱，有考据、有观点、有玩笑，大多数观众都可以从他的分析中获取知识，并得到启发。