一秒变身艺术家!U2Net 跨界肖像画,让你的头像瞬间细节完美复刻,打造个性化头像新风潮!

这篇具有很好参考价值的文章主要介绍了一秒变身艺术家!U2Net 跨界肖像画,让你的头像瞬间细节完美复刻,打造个性化头像新风潮!。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

效果

测试图片来自网络,如有侵权,联系删除。

一秒变身艺术家!U2Net 跨界肖像画,让你的头像瞬间细节完美复刻,打造个性化头像新风潮!

项目

一秒变身艺术家!U2Net 跨界肖像画,让你的头像瞬间细节完美复刻,打造个性化头像新风潮!

关注微信公众号,回复关键字:“一秒变身艺术家”,获取程序!

模型信息

Inputs
-------------------------
name:input_image
tensor:Float[1, 3, 512, 512]
---------------------------------------------------------------

Outputs
-------------------------
name:output_image
tensor:Float[1, 1, 512, 512]
name:2016
tensor:Float[1, 1, 512, 512]
name:2017
tensor:Float[1, 1, 512, 512]
name:2018
tensor:Float[1, 1, 512, 512]
name:2019
tensor:Float[1, 1, 512, 512]
name:2020
tensor:Float[1, 1, 512, 512]
name:2021
tensor:Float[1, 1, 512, 512]
---------------------------------------------------------------

代码

using Microsoft.ML.OnnxRuntime;
using Microsoft.ML.OnnxRuntime.Tensors;
using OpenCvSharp;
using System;
using System.Collections.Generic;
using System.Drawing;
using System.Drawing.Imaging;
using System.Linq;
using System.Windows.Forms;

namespace U2Net_Portrait
{
    public partial class frmMain : Form
    {
        public frmMain()
        {
            InitializeComponent();
        }

        string fileFilter = "*.*|*.bmp;*.jpg;*.jpeg;*.tiff;*.tiff;*.png";
        string image_path = "";
        string startupPath;
        DateTime dt1 = DateTime.Now;
        DateTime dt2 = DateTime.Now;
        string model_path;
        Mat image;
        int modelSize = 512;

        SessionOptions options;
        InferenceSession onnx_session;
        Tensor<float> input_tensor;
        List<NamedOnnxValue> input_ontainer;
        IDisposableReadOnlyCollection<DisposableNamedOnnxValue> result_infer;
        DisposableNamedOnnxValue[] results_onnxvalue;

        Tensor<float> result_tensors;
        float[] result_array;

        private void button1_Click(object sender, EventArgs e)
        {
            OpenFileDialog ofd = new OpenFileDialog();
            ofd.Filter = fileFilter;
            if (ofd.ShowDialog() != DialogResult.OK) return;
            pictureBox1.Image = null;
            image_path = ofd.FileName;
            pictureBox1.Image = new Bitmap(image_path);
            textBox1.Text = "";
            image = new Mat(image_path);
            pictureBox2.Image = null;
        }

        private void button2_Click(object sender, EventArgs e)
        {
            if (image_path == "")
            {
                return;
            }

            textBox1.Text = "";
            pictureBox2.Image = null;

            int oldwidth = image.Cols;
            int oldheight = image.Rows;

            //缩放图片大小
            int maxEdge = Math.Max(image.Rows, image.Cols);
            float ratio = 1.0f * modelSize / maxEdge;
            int newHeight = (int)(image.Rows * ratio);
            int newWidth = (int)(image.Cols * ratio);
            Mat resize_image = image.Resize(new OpenCvSharp.Size(newWidth, newHeight));
            int width = resize_image.Cols;
            int height = resize_image.Rows;
            if (width != modelSize || height != modelSize)
            {
                resize_image = resize_image.CopyMakeBorder(0, modelSize - newHeight, 0, modelSize - newWidth, BorderTypes.Constant, new Scalar(255, 255, 255));
            }

            Cv2.CvtColor(resize_image, resize_image, ColorConversionCodes.BGR2RGB);

            for (int y = 0; y < resize_image.Height; y++)
            {
                for (int x = 0; x < resize_image.Width; x++)
                {
                    input_tensor[0, 0, y, x] = (resize_image.At<Vec3b>(y, x)[0] / 255f - 0.485f) / 0.229f;
                    input_tensor[0, 1, y, x] = (resize_image.At<Vec3b>(y, x)[1] / 255f - 0.456f) / 0.224f;
                    input_tensor[0, 2, y, x] = (resize_image.At<Vec3b>(y, x)[2] / 255f - 0.406f) / 0.225f;
                }
            }

            //将 input_tensor 放入一个输入参数的容器,并指定名称
            input_ontainer.Add(NamedOnnxValue.CreateFromTensor("input_image", input_tensor));

            dt1 = DateTime.Now;
            //运行 Inference 并获取结果
            result_infer = onnx_session.Run(input_ontainer);
            dt2 = DateTime.Now;

            //将输出结果转为DisposableNamedOnnxValue数组
            results_onnxvalue = result_infer.ToArray();

            //读取第一个节点输出并转为Tensor数据
            result_tensors = results_onnxvalue[0].AsTensor<float>();

            result_array = result_tensors.ToArray();

            for (int i = 0; i < result_array.Length; i++)
            {
                result_array[i] = 1 - result_array[i];
            }

            float maxVal = result_array.Max();
            float minVal = result_array.Min();

            for (int i = 0; i < result_array.Length; i++)
            {
                result_array[i] = (result_array[i] - minVal) / (maxVal - minVal) * 255;
            }

            Mat result_image = new Mat(512, 512, MatType.CV_32F, result_array);

            //还原图像大小
            if (width != modelSize || height != modelSize)
            {
                Rect rect = new Rect(0, 0, width, height);
                result_image = result_image.Clone(rect);
            }
            result_image = result_image.Resize(new OpenCvSharp.Size(oldwidth, oldheight));

            pictureBox2.Image = new Bitmap(result_image.ToMemoryStream());
            textBox1.Text = "推理耗时:" + (dt2 - dt1).TotalMilliseconds + "ms";

        }

        private void Form1_Load(object sender, EventArgs e)
        {
            startupPath = Application.StartupPath;

            model_path = startupPath + "\\model\\u2net_portrait.onnx";

            modelSize = 512;

            //创建输出会话,用于输出模型读取信息
            options = new SessionOptions();
            options.LogSeverityLevel = OrtLoggingLevel.ORT_LOGGING_LEVEL_INFO;

            //设置为CPU上运行
            options.AppendExecutionProvider_CPU(0);

            //创建推理模型类,读取本地模型文件
            onnx_session = new InferenceSession(model_path, options);

            //创建输入容器
            input_ontainer = new List<NamedOnnxValue>();

            //输入Tensor
            input_tensor = new DenseTensor<float>(new[] { 1, 3, 512, 512 });

        }

        private void button3_Click(object sender, EventArgs e)
        {
            if (pictureBox2.Image == null)
            {
                return;
            }
            Bitmap output = new Bitmap(pictureBox2.Image);
            var sdf = new SaveFileDialog();
            sdf.Title = "保存";
            sdf.Filter = "Images (*.bmp)|*.bmp|Images (*.emf)|*.emf|Images (*.exif)|*.exif|Images (*.gif)|*.gif|Images (*.ico)|*.ico|Images (*.jpg)|*.jpg|Images (*.png)|*.png|Images (*.tiff)|*.tiff|Images (*.wmf)|*.wmf";
            if (sdf.ShowDialog() == DialogResult.OK)
            {
                switch (sdf.FilterIndex)
                {
                    case 1:
                        {
                            output.Save(sdf.FileName, ImageFormat.Bmp);
                            break;
                        }
                    case 2:
                        {
                            output.Save(sdf.FileName, ImageFormat.Emf);
                            break;
                        }
                    case 3:
                        {
                            output.Save(sdf.FileName, ImageFormat.Exif);
                            break;
                        }
                    case 4:
                        {
                            output.Save(sdf.FileName, ImageFormat.Gif);
                            break;
                        }
                    case 5:
                        {
                            output.Save(sdf.FileName, ImageFormat.Icon);
                            break;
                        }
                    case 6:
                        {
                            output.Save(sdf.FileName, ImageFormat.Jpeg);
                            break;
                        }
                    case 7:
                        {
                            output.Save(sdf.FileName, ImageFormat.Png);
                            break;
                        }
                    case 8:
                        {
                            output.Save(sdf.FileName, ImageFormat.Tiff);
                            break;
                        }
                    case 9:
                        {
                            output.Save(sdf.FileName, ImageFormat.Wmf);
                            break;
                        }
                }
                MessageBox.Show("保存成功,位置:" + sdf.FileName);

            }
        }
    }
}

参考

https://github.com/xuebinqin/U-2-Net

 文章来源地址https://www.toymoban.com/news/detail-843737.html

到了这里,关于一秒变身艺术家!U2Net 跨界肖像画,让你的头像瞬间细节完美复刻,打造个性化头像新风潮!的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 行业洞察 | 谁动了艺术家的奶酪?

    图片来源 Midjourney Showcase 近年来,网络短视频逐步取代以报纸杂志为代表的纸媒。以视频、音乐为代表的视频媒体传递成为当下的主流传播媒体。但是你有没有想过,也许你刷到的短视频是AI创作的 AIGC(Artificial Inteligence Generated Content)即人工智能生产的内容。随着AIGC的蓬勃

    2024年02月12日
    浏览(10)
  • AI绘画能否超越艺术家的创造力?

    欧盟人工智能法案对 你有什么影响?这篇文章告诉你真相 欧盟人工智能法案是什么? 欧盟人工智能法案是欧盟委员会在2021年4月发布的一份提案,旨在建立一个统一的人工智能监管框架,保护人类的利益和安全,同时促进人工智能技术的创新和发展。这个法案涵盖了人工智

    2024年02月09日
    浏览(11)
  • 代码生成 NFT 后,艺术家能否躺着赚钱?# Art Block 生成艺术

    Mixlab NFT 藏品与艺术品有什么 区别 ?NFT 藏品/产品的 形式 由哪些因素影响? 小杜 NFT 藏品需要 “ 上链 ” 来进行确权担保与交易流通。“ 真品担保 ” 是NFT 藏品与艺术品都必需的要素。而 流通性 却是NFT 藏品区别于艺术品的 “生命性”。 知识库 现实世界的艺术品自有一

    2024年02月10日
    浏览(12)
  • 什么是视觉特效师,我如何才能成为一名艺术家?

    视觉特效艺术家,也称视觉特效师,在视觉特效流程中扮演着至关重要的角色。他们的工作是创造核心的视觉特效资产,合成后形成观众在屏幕上享受到的视觉盛宴。 那么视觉特效师到底都做哪些工作,我们如何才能成为一名特效师呢? 来自The Mill的三位艺术家灯光和渲染总

    2023年04月08日
    浏览(16)
  • Portkey——打造人人皆是艺术家的NFT市场

    毫无疑问,经过2021年的发酵与炒作,NFT 俨然已经成为了Web 3.0 及元宇宙领域的重要赛道。在2022年, XFS 不仅将会发行寅虎 NFT,更将同步打造一个人人可链,人人皆是艺术家的 NFT 交易市场——Portkey。 与国外不同的是,中国的 NFT 叫做数字藏品,尽管我国有很多企业、政府或公

    2024年02月03日
    浏览(8)
  • 【突破想象】AI绘画能否超越艺术家的创造力?

    突破人类想象!AI绘画能否超越艺术家的创造力? 冲击还是机遇?AI绘画能否超越艺术家? 近年来,AI绘画工具迅速崛起,悄然挑战着艺术家的地位。以惊人的技术发展速度,AI绘画在艺术领域迅速引起轰动。不论是国内还是国外,涌现出了许多引领潮流的AI绘画平台。几秒钟

    2024年02月09日
    浏览(21)
  • Midjourney提示词资源、使用技巧、艺术家资源网站收录

    为了帮助艺术家们使用Midjourney更专业、准确地创作更完美的艺术作品,我们收录了一些Midjourney提示词资源分享、提示词书写技巧、相关专业工具,同时还有一些相关艺术家资源帮艺术家们找到创作灵感。有很多是社区内资深玩家分享的云文档,资源丰富,不容错过。 我们收

    2024年02月09日
    浏览(10)
  • Python3,2分钟掌握Doscoart库,你也能成为艺术家。

    小屌丝 :鱼哥,最近在忙啥? 小鱼 :咱俩陌生了? 小屌丝 :何出此言? 小鱼 :你说的话又嘛意思呢? 小屌丝 :我的意思, 最近看你这整理各种资料,貌似很忙的样子? 小鱼 :我平时不也这么忙嘛 小屌丝 :鱼哥, 还能正常唠嗑嘛? 小鱼 :我又没说不能唠嗑。 小屌丝

    2024年02月05日
    浏览(13)
  • 人人都是艺术家!AI工具Doodly让潦草手绘变精美画作

    AI 绘画界太卷了,一天一个新东西,不久前刚给大家介绍了可以一秒出图的 SDXL-Turbo ,今天来聊一聊另一位重磅选手 Doodly 有用过 Stable Diffuison 的小伙伴都知道,想要生成一张高质量的图片,需要输入非常详细的提示词,并伴随多次“摇色子”才能获得满意的结果,有没有简

    2024年03月16日
    浏览(13)
  • Stable Diffusion - SDXL 1.0 全部样式设计与艺术家风格的配置与提示词

    欢迎关注我的CSDN:https://spike.blog.csdn.net/ 本文地址:https://spike.blog.csdn.net/article/details/132072482 来源于 Anna Dittmann 安娜·迪特曼,艺术家风格的图像,融合幻想、数字艺术、纹理等样式。 SDXL 是 Stable Diffusion 的最新版本,是潜在扩散模型,能够从文本描述中生成高分辨率、高质

    2024年02月14日
    浏览(11)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包