大家好，我是微学AI，今天给大家带来深度学习实战22(进阶版)-AI漫画视频生成模型。
回顾之前给大家介绍了《深度学习实战8-生活照片转化漫画照片应用》，今天我借助这篇文章的原理做一个AI漫画视频生成的功能，让我们进入AI生成视频的时代吧。
AI生成视频是利用人工智能技术生成视频的过程，通常，这种技术基于图像识别、语音合成等算法，从各种不同来源的数据中获取信息，然后自动生成视频。 AI生成视频技术的优势是可以快速生成高质量视频，同时还可以自动完成各种冗长的编辑工作，提高工作效率。此外，还可以实现一些人类不可能完成的任务，例如在极端天气、危险环境下进行拍摄。
目前，AI生成视频技术主要应用于视频广告、教育教学、虚拟演示，短视频等领域。虽然这种技术正在不断发展，但其缺点是不具有人类的创造性和情感体验。因此，目前的技术仍无法替代人类在视频制作中的重要作用。
一、AI生成漫画视频
本项目里面采用原有视频转化为漫画视频，首先先将视频分割成一帧一帧的图片，然后将图片转化为漫画形式，在进行合成视频，这里运用imageio技术。
imageio是Python中用于处理图像和视频的第三方库，其中的get_writer函数用于创建图像或视频的写入器（writer）对象。 get_writer函数接收一个参数，即输出文件的路径或文件对象，如下：
import imageio # 输出文件的路径
writer = imageio.get_writer('output.mp4') # 输出文件的文件对象
with open('output.mp4', mode='wb') as file:
writer = imageio.get_writer(file, format='mp4')在调用get_writer函数后，我们可以使用writer对象将图像或视频写入输出文件。
import numpy as np
import imageio
# 创建一个数组作为图像数据
image_data = np.zeros((256, 256, 3), dtype=np.uint8)
# 获取写入器对象
writer = imageio.get_writer('output.mp4') # 写入帧
for i in range(30):
writer.append_data(image_data)
# 关闭写入器对象
writer.close() 上面我们创建了一个256x256大小的黑色图像，并使用get_writer函数创建了名为output.mp4的视频写入器对象。接着，在一个循环中，我们将同样的图像数据重复写入帧中，并最终关闭写入器对象。 需要注意的是，imageio支持许多不同的视频和图像格式和编解码器。
二、AI生成漫画视频代码案例
import os
os.environ['TF_CPP_MIN_LOG_LEVEL'] = '3'
import imageio
from modelscope.outputs import OutputKeys
from modelscope.pipelines import pipeline
from tqdm import tqdm
import numpy as np
import cv2
from PIL import Image
import os
def video2cartoon(filepath):
outpath = 'output2.mp4'
reader = imageio.get_reader(filepath)
fps = reader.get_meta_data()['fps']
writer = imageio.get_writer(outpath, mode='I', fps=fps, codec='libx264')
model_name = 'damo/cv_unet_person-image-cartoon_compound-models'
img_cartoon = pipeline('image-portrait-stylization', model=model_name,device='cpu')
for i, img in tqdm(enumerate(reader)):
try:
cv2.imwrite(f'result{i}.png',img)
img = Image.open(f'result{i}.png')
new_size = (1050,590)
img = img.resize(new_size) # 保存修改后的图片
result = img_cartoon(img)
res = result[OutputKeys.OUTPUT_IMG]
writer.append_data(res[..., ::-1].astype(np.uint8))
os.remove(f'result{i}.png')
print(i)
except:
pass
writer.close()
print('finished!')
return outpath
video2cartoon('video.mp4')输出结果：
大家也可以试一下，生成自己的漫画视频哦。
往期作品：
深度学习实战项目
3.深度学习实战3-文本卷积神经网络（TextCNN）新闻文本分类
4.深度学习实战4-卷积神经网络（DenseNet）数学图形识别+题目模式识别
5.深度学习实战5-卷积神经网络（CNN）中文OCR识别项目
6.深度学习实战6-卷积神经网络(Pytorch)+聚类分析实现空气质量与天气预测
9.深度学习实战9-文本生成图像-本地电脑实现text2img
10.深度学习实战10-数学公式识别-将图片转换为Latex(img2Latex)
11.深度学习实战11(进阶版)-BERT模型的微调应用-文本分类案例
12.深度学习实战12(进阶版)-利用Dewarp实现文本扭曲矫正
13.深度学习实战13(进阶版)-文本纠错功能，经常写错别字的小伙伴的福星
14.深度学习实战14(进阶版)-手写文字OCR识别，手写笔记也可以识别了
15.深度学习实战15(进阶版)-让机器进行阅读理解+你可以变成出题者提问
16.深度学习实战16(进阶版)-虚拟截图识别文字-可以做纸质合同和表格识别
17.深度学习实战17(进阶版)-智能辅助编辑平台系统的搭建与开发案例
18.深度学习实战18(进阶版)-NLP的15项任务大融合系统，可实现市面上你能想到的NLP任务
19.深度学习实战19(进阶版)-SpeakGPT的本地实现部署测试，基于ChatGPT在自己的平台实现SpeakGPT功能
20.深度学习实战20(进阶版)-文件智能搜索系统，可以根据文件内容进行关键词搜索，快速找到文件
21.深度学习实战21(进阶版)-AI实体百科搜索，任何名词都可搜索到的百科全书
目录前言滤波电路科普主要分类实际情况单位的概念常用评价参数函数型滤波器简单分析滤波电路构成低通滤波器RC低通滤波器RL低通滤波器高通滤波器RC高通滤波器RL高通滤波器部分摘自《LC滤波器设计与制作》，侵权删。前言最近需要学习放大电路和滤波电路，但是由于只在之前做音乐频谱分析仪的时候简单了解过一点点运放，所以也是相当从零开始学习了。滤波电路科普主要分类滤波器：主要是从不同频率的成分中提取出特定频率的信号。有源滤波器：由RC元件与运算放大器组成的滤波器。可滤除某一次或多次谐波，最普通易于采用的无源滤波器结构是将电感与电容串联，可对主要次谐波（3、5、7）构成低阻抗旁路。无源滤波器：无源滤波器，又称
最近在学习CAN，记录一下，也供大家参考交流。推荐几个我觉得很好的CAN学习，本文也是在看了他们的好文之后做的笔记首先是瑞萨的CAN入门，真的通透；秀！靠这篇我竟然2天理解了CAN协议！实战STM32F4CAN！原文链接：https://blog.csdn.net/XiaoXiaoPengBo/article/details/116206252CAN详解（小白教程）原文链接：https://blog.csdn.net/xwwwj/article/details/105372234一篇易懂的CAN通讯协议指南1一篇易懂的CAN通讯协议指南1-知乎(zhihu.com)视频推荐CAN总线个人知识总
深度学习部署：Windows安装pycocotools报错解决方法1.pycocotools库的简介2.pycocotools安装的坑3.解决办法更多Ai资讯：公主号AiCharm本系列是作者在跑一些深度学习实例时，遇到的各种各样的问题及解决办法，希望能够帮助到大家。ERROR:Commanderroredoutwithexitstatus1:'D:\Anaconda3\python.exe'-u-c'importsys,setuptools,tokenize;sys.argv[0]='"'"'C:\\Users\\46653\\AppData\\Local\\Temp\\pip-instal
动漫制作技巧是很多新人想了解的问题，今天小编就来解答与大家分享一下动漫制作流程，为了帮助有兴趣的同学理解，大多数人会选择动漫培训机构，那么今天小编就带大家来看看动漫制作要掌握哪些技巧？一、动漫作品首先完成草图设计和原型制作。设计草图要有目的、有对象、有步骤、要形象、要简单、符合实际。设计图要一致性，以保证制作的顺利进行。二、原型制作是根据设计图纸和制作材料，可以是手绘也可以是3d软件创建。在此步骤中，要注意的问题是色彩和平面布局。三、动漫制作制作完成后，加工成型。完成不同的表现形式后，就要对设计稿进行加工处理，使加工的难易度降低，并得到一些基本准确的概念，以便于后续的大样、准确的尺寸制定。四、
2022/8/4更新支持加入水印水印必须包含透明图像，并且水印图像大小要等于原图像的大小pythonconvert_image_to_video.py-f30-mwatermark.pngim_dirout.mkv2022/6/21更新让命令行参数更加易用新的命令行使用方法pythonconvert_image_to_video.py-f30im_dirout.mkvFFMPEG命令行转换一组JPG图像到视频时，是将这组图像视为MJPG流。我需要转换一组PNG图像到视频，FFMPEG就不认了。pyav内置了ffmpeg库，不需要系统带有ffmpeg工具因此我使用ffmpeg的python包装p
Transformers开始在视频识别领域的“猪突猛进”，各种改进和魔改层出不穷。由此作者将开启VideoTransformer系列的讲解，本篇主要介绍了FBAI团队的TimeSformer，这也是第一篇使用纯Transformer结构在视频识别上的文章。如果觉得有用，就请点赞、收藏、关注！paper:https://arxiv.org/abs/2102.05095code(offical):https://github.com/facebookresearch/TimeSformeraccept:ICML2021author:FacebookAI一、前言Transformers(VIT)在图
我完全不是程序员，正在学习使用Ruby和Rails框架进行编程。我目前正在使用Ruby1.8.7和Rails3.0.3，但我想知道我是否应该升级到Ruby1.9，因为我真的没有任何升级的“遗留”成本。缺点是什么？我是否会遇到与普通gem的兼容性问题，或者甚至其他我不太了解甚至无法预料的问题？ 最佳答案 你应该升级。不要坚持从1.8.7开始。如果您发现不支持1.9.2的gem，请避免使用它们(因为它们很可能不被维护)。如果您对gem是否兼容1.9.2有任何疑问，您可以在以下位置查看:http://www.railsplugins.or
是否有self验证的问题列表。看着那个，我可以确定我知道。我应该复习一下。在学习的过程中，我列了一个这样的list，但它只包含我在某处听说过的项目。我需要一段时间才能找到新的东西。 最佳答案 以下是针对ruby和Rails的一些测试列表。证书名称:RubyonRails谁提供:oDeskIncorporation认证费用:免费网站:https://www.odesk.com/tests/985?pos=0证书名称:RubyonRails提供者:Techgig.com(TimesBusinessSolutionsLimited(T
如何学习ruby的正则表达式？(对于假人) 最佳答案 http://www.rubular.com/在Ruby中使用正则表达式时是一个很棒的工具，因为它可以立即将结果可视化。 关于ruby-我如何学习ruby的正则表达式？，我们在StackOverflow上找到一个类似的问题： https://stackoverflow.com/questions/1881231/
目前我正在使用这个正则表达式从YoutubeURL中提取视频ID:url.match(/v=([^&]*)/)[1]我怎样才能改变它，以便它也可以从这个没有v参数的YoutubeURL获取视频ID:http://www.youtube.com/user/SHAYTARDS#p/u/9/Xc81AajGUMU感谢阅读。编辑:我正在使用ruby1.8.7 最佳答案 对于Ruby1.8.7，这就可以了。url_1='http://www.youtube.com/watch?v=8WVTOUh53QY&feature=feedf'url