照亮星星的人们2023-7-3 20:22 /
---今日工作总结---
1. 学习pytorch中detach()的用法，动态图表和自动微分的概念。了解grad_fn链表的工作原理。
2. 阅读论文Artist-Guided Semiautomatic Animation Colorization。和同为2020年published的line art correlation matching feature transfer network for automatic animation colorization(LCMFTN)这篇不同，使用的是cGAN的思想，需求上色人员每一帧手动提供一些色彩提示点，和之前的TVP里面神笔的插件在半自动化的形式上是一样的。按照作者本身的说法，是故意保留了一部分半自动化的成分，好让动画师知道他们可以用控制色块的方法对上色进行自由地控制。虽然方法比较简单，但好在conditions的思路清晰易于理解。同时，论文比较从行业角度出发，提供了一个不错的思路，那就是人应当具有创作的主权，最终的画笔需要自由地攥在创造者的手里。一个反例就是，一键从text prompt生成插画，这种全自动化的思维在动画制作领域是不能被提倡的。需要优先确保人的创造力，允许原画师自由绘制修改每一个细节，上色自由修改(上错的)色块。因此，一个理想的AI workflow是，把自动上色模型嵌入到软件端，实现批量上色功能的同时不影响二值化，不影响线条封闭，仍然可以由上色修改AI上错的画面，这个才是最重要的。当然，从另一个角度想，那就是允许创作人员控制画面的粒度一定要足够细。
3. 打算搭建一个论文阅读的工作流，方便以后分享。现在小绿鲸和ReadPaper看起来都挺不错的。
4. 备忘录: 前几天说的要尝试复现一下cross-frame attention，明天看看要不要做。
5. 明天读这篇论文：Deep Line Art Video Colorization with a Few
References 又是一篇2020年的论文(发生什么事了.jpg)
1. 学习pytorch中detach()的用法，动态图表和自动微分的概念。了解grad_fn链表的工作原理。
2. 阅读论文Artist-Guided Semiautomatic Animation Colorization。和同为2020年published的line art correlation matching feature transfer network for automatic animation colorization(LCMFTN)这篇不同，使用的是cGAN的思想，需求上色人员每一帧手动提供一些色彩提示点，和之前的TVP里面神笔的插件在半自动化的形式上是一样的。按照作者本身的说法，是故意保留了一部分半自动化的成分，好让动画师知道他们可以用控制色块的方法对上色进行自由地控制。虽然方法比较简单，但好在conditions的思路清晰易于理解。同时，论文比较从行业角度出发，提供了一个不错的思路，那就是人应当具有创作的主权，最终的画笔需要自由地攥在创造者的手里。一个反例就是，一键从text prompt生成插画，这种全自动化的思维在动画制作领域是不能被提倡的。需要优先确保人的创造力，允许原画师自由绘制修改每一个细节，上色自由修改(上错的)色块。因此，一个理想的AI workflow是，把自动上色模型嵌入到软件端，实现批量上色功能的同时不影响二值化，不影响线条封闭，仍然可以由上色修改AI上错的画面，这个才是最重要的。当然，从另一个角度想，那就是允许创作人员控制画面的粒度一定要足够细。
3. 打算搭建一个论文阅读的工作流，方便以后分享。现在小绿鲸和ReadPaper看起来都挺不错的。
4. 备忘录: 前几天说的要尝试复现一下cross-frame attention，明天看看要不要做。
5. 明天读这篇论文：Deep Line Art Video Colorization with a Few
References 又是一篇2020年的论文(发生什么事了.jpg)