未来设计师·全国高校数字艺术设计大赛始于2012年，每年一届，已入选中国高等教育学会发布的《全国普通高校学科竞赛排行榜》和《全国普通高校教师教学竞赛项目》，是高校教育教学改革和创新人才培养的重要竞赛项目之一。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
第十届未来设计师·全国高校数字艺术设计大赛
未来设计师·全国高校数字艺术设计大赛始于2012年，每年一届，已入选中国高等教育学会发布的《全国普通高校学科竞赛排行榜》和《全国普通高校教师教学竞赛项目》，是高校教育教学改革和创新人才培养的重要竞赛项目之一。
全文中遇到代码的地方，鼠标移动到代码框
点击左侧的运行即可
安装环境
下面代码运行时间大概需要 8 秒左右，请耐心等候
!pip install paddlehub --upgrade
图像风格迁移
人工智能模型通过学习某一类图像（比如宫崎骏的所有漫画作品）后，再输入一张新的图片，模型就能根据之前学习到的参数对输入图片进行重新绘制，生成训练数据集对应的风格。PaddleHub目前已封装了三个不同风格漫画的模型，分别是宫崎骏风格、今敏风格和新海诚风格。
宫崎骏风格
参数说明
img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_dir: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。
下面代码运行时间大概需要 1 分钟左右，请耐心等候
import paddlehub as hubimport cv2from displayimg import imshow
%matplotlib inline
img = "./work/fengge.jpg" # <- 这里替换成原图的路径model = hub.Module(name="animegan_v2_hayao_99")
result = model.style_transfer(
images = [cv2.imread(img)],
output_dir = './output/gongqijun', # <- 运行完成后在左侧栏的output文件夹下面的gongqijun文件夹可以找得到生成后的图像文件
visualization = True
)
imshow(img, result[0])[2022-03-29 22:50:10,223] [ WARNING] - The _initialize method in HubModule will soon be deprecated, you can use the __init__() to handle the initialization of the object W0329 22:50:10.226275 2454 analysis_predictor.cc:1350] Deprecated. Please use CreatePredictor instead.
今敏风格
参数说明
img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_dir: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。
下面代码运行时间大概需要 1 分钟左右，请耐心等候
import paddlehub as hubimport cv2from displayimg import imshow
%matplotlib inline
img = './work/fengge.jpg' # <- 这里替换成原图的路径model = hub.Module(name="animegan_v2_paprika_98")
result = model.style_transfer(
images=[cv2.imread(img)],
output_dir = './output/jinmin', # <- 运行完成后在左侧栏的output文件夹下面的jinmin文件夹可以找得到生成后的图像文件
visualization = True
)
imshow(img, result[0])[2022-03-29 22:51:07,384] [ WARNING] - The _initialize method in HubModule will soon be deprecated, you can use the __init__() to handle the initialization of the object
新海诚风格
参数说明
img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_dir: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。
下面代码运行时间大概需要 1 分钟左右，请耐心等候
import paddlehub as hubimport cv2from displayimg import imshow
%matplotlib inline
img = './work/fengge.jpg' # <- 这里替换成原图的路径model = hub.Module(name="animegan_v2_shinkai_53")
result = model.style_transfer(
images=[cv2.imread(img)],
output_dir = './output/xinhaicheng', # <- 运行完成后在左侧栏的output文件夹下面的xinhaicheng文件夹可以找得到生成后的图像文件
visualization = True
)
imshow(img, result[0])[2022-03-29 22:52:03,873] [ WARNING] - The _initialize method in HubModule will soon be deprecated, you can use the __init__() to handle the initialization of the object
%cd paintmaster/import cv2from PIL import Imagefrom displayimg import imshowfrom inference.inference import main as infer_main %matplotlib inline img = "/home/aistudio/work/fengge.jpg" # <- 这里替换成原图的路径result = infer_main(img, "inference/paint_best.pdparams", '../output', resize_h=1024, resize_w=1024) imshow(img, result) %cd /home/aistudio
/home/aistudio/paintmaster
/home/aistudio
黑白图片上色
老照片/黑白照记录着曾经的岁月，承载着美好的回忆与厚重的历史。但由于年代久远，旧的图像素材往往存在模糊、缺色等问题。我们可以通过人工智能模型，让老照片重现往日光彩。
参数说明
img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_path: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。
下面代码运行时间大概需要 1 分钟左右，请耐心等候
import paddlehub as hubfrom displayimg import imshow
%matplotlib inline
img = 'work/heibai.jpg' # <- 这里替换成原图的路径model = hub.Module(name='deoldify',
output_path="./output/") # <- 运行完成后在左侧栏的output文件夹下面的DeOldify文件夹可以找得到生成后的图像文件result = model.predict(img)
imshow(img, result[0])load pretrained checkpoint success
人像抠图
21世纪了，还在傻傻地用Photoshop的魔棒低效率抠图吗？试下下面这个神器吧，不仅能一步就把人像从复杂的背景中抠出来，还能顺便换个背景。
抠人像
参数说明
img: 输入图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
output_dir: 输出文件夹，即生成图片保存的路径。
其余参数保持不变即可。
下面代码运行时间大概需要 15 秒左右，请耐心等候
import paddlehub as hubimport cv2from displayimg import imshow
%matplotlib inline
img = "work/ren.jpg" # <- 这里替换成原图的路径human_seg = hub.Module(name="deeplabv3p_xception65_humanseg")
result = human_seg.segmentation(
images = [cv2.imread(img)],
output_dir = './output/humanseg', # <- 运行完成后在左侧栏的output文件夹下面的humanseg文件夹可以找得到生成后的图像文件
visualization = True)
imshow(img, result[0]['save_path'], True)[2022-03-29 22:53:15,620] [ WARNING] - The _initialize method in HubModule will soon be deprecated, you can use the __init__() to handle the initialization of the object
换背景
参数说明
backgroundImg: 输入背景图片的路径，本地图片可以拖拽到左边的文件栏上传，然后右键该文件复制路径更换这个变量值。
saveImg: 合成后图片保存的路径和文件名
其余参数保持不变即可。
下面代码运行时间大概需要 1-3 秒左右
from PIL import Image
from displayimg import imshow
%matplotlib inline
backgroundImg = "work/beijing.jpg" # <-背景图片路径saveImg = './output/background_replace_output.png' # <- 图片合成后的保存路径humanImg = result[0]['save_path']
backgroundImg = Image.open(backgroundImg).convert('RGBA')
humanImg = Image.open(humanImg).convert('RGBA')
resultImg = Image.new("RGBA", backgroundImg.size)
resultImg = Image.alpha_composite(resultImg, backgroundImg)
resultImg = Image.alpha_composite(resultImg, humanImg)
resultImg.save(saveImg)
imshow(result[0]['save_path'], saveImg, True)
