为了将我们的模型提供给大家使用，我们使用 React.js 构建了一个网站界面，atv，公开在：。通过利用 WebDNN 并将训练后的 Chainer 模型转换成基于 WebAssembly 的 Java 模型，atv，我们使得生成过程完全在浏览器上完成。为了更好的用户体验（因为用户在生成之前需要下载该模型），我们限制了生成器模型的大小。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：使用人工智能创造动漫人物！（Create Anime Characters with A.I. !）

链接：https://makegirlsmoe.github.io/assets/pdf/technical_report.pdf

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，从而让大众可以方便的访问模型。

生成器架构

鉴别器架构

原文链接：https://makegirlsmoe.github.io/main/2017/08/14/news-english.html