漫畫漢化組，和 動畫字幕組，表面看都是翻譯，可工作還是很不一樣的。

比如，日文動畫生肉一般沒有加字幕，而漫畫原本就充滿了文字。

所以，漫畫的漢化組，要先把原文抹掉，才能貼上中文。

需要抹掉的，不只氣泡裡的對話，還有背景裡的旁白，以及字型碩大雄健的擬聲詞。

這樣巨大的工作量，還是交給AI吧，只要一鍵：

滿篇的文字都消失了，人類完全沒有幫忙。

AI的名字叫 SickZil-Machine，是一群韓國小夥伴開發的，已經開源。

不光字去掉了，背景也修補了：

有了它，漢化組再也不用大規模手動擦除了。

面對此情此景，人類表示相見恨晚：

那麼，韓國少年們是怎樣孕育出這隻AI的？

一步兩步

團隊說，這是一個完全自動消除漫畫文字的AI；但如果人類需要，也可以手動指定消除某一部分文字。

至於是如何擦掉文字， AI由兩個機器學習模型組成：

一個叫 SegNet，負責把需要抹掉的文字部分，分割出來；

一個叫 ComplNet，負責把抹掉之後露出的背景補全。

摳出文字的 SegNet，借鑑了前輩 U-Net影像分割技術：

U-Net結構像個U，從全卷積網路 (FCN) 改進而來。

分割是用成對資料訓練的。這裡的成對資料，就是漫畫原圖，加上文字部分的mask。

只用了285對資料。

摳出文字之後，就該填補背景的 ComplNet上場了。它是借鑑了前輩 DeepFillv2影像修復演算法：

DeepFillv2來自UIUC和Adobe，擦除影像的任意部位，AI都能修補完整。

比如，抹掉一盞路燈，AI便會把路燈背後的建築物補好。

除此之外，還能按自己的意志修改圖片：

把人類的下巴擦掉，再描個短一點的下巴，AI就會給你一張 不是馬臉的人像了。

當然，漫畫未必需要這樣高度定製，腦補背景就夠。

團隊用了31,497張圖來訓練，其中11,464張是有文字的。

最終，成果斐然：

不過，也不一定要全靠AI，人類可以手動選擇要 (或不要) 消除的部分。

先讓螢幕顯示出AI生成的mask (紅色) 。如果發現不該變紅的部分紅了，就手動把這一部分從mask裡去掉，這樣AI就不會把它消除了。

比如上面，妹子的臉旁邊，沒有字的地方紅了一大塊。那麼，把這一部分紅色框起來扔掉，就好了。

你也試試吧

其實，這個好東西也不一定是漢化組才用得到。

沒事做的時候，把漫畫原本的臺詞抹掉，練習填詞，也是很健康的活動喲。

比如到了這種時候，人類會說些什麼呢：

額，哪裡健康了？

傳送門：

https://github.com/KUR-creative/SickZil-Machine

U-Net傳送門：

https://arxiv.org/abs/1505.04597

Deepfillv2傳送門：

http://jiahuiyu.com/deepfill2/

— 完 —

https://www.toutiao.com/i6727853675315724807/

來自 “ ITPUB部落格 ” ，連結：http://blog.itpub.net/69946223/viewspace-2654685/，如需轉載，請註明出處，否則將追究法律責任。