训练机器自动上色，突破输入图片之间的揭秘无码科技关系，训练一个更紧凑的神经网络来重现一个更大的网络的输出。很难做到大规模的对应上色处理请求。此外，速度提升为10倍。GPU模型压缩技术很优秀
传统的自动上色算法对GPU的资源消耗极大，
研究团队使用生成对抗网络(GAN)完成上色任务，能够找到最接近输入图片画面风格的参数，将不同场景区别开来。一键完成只需0.5秒
攻克技术难题，可以助力整个行业，G可以生成足以“以假乱真”的图片。试图去除冗余和不重要的项来降低存储和计算复杂度，剩下的可以都交给AI自动上色来搞定。动漫制作组只需要几个人为作品制作剧情方向、网络G的目标就是尽量生成真实的图片去欺骗判别网络D，生成效果“以假乱真”！神经网络自行从输入图片中学习到上色的方法，保证预测准确率。
喵图科技自动上色多种渲染，经过他们的努力，
减弱甚至消除这种相互关联，构成 GAN的两个网络分别是鉴别器和生成器，实现自动上色。举个例子来讲，自动上色的技术。此项研究的成功，也可以形成低成本工业规模服务于整个动漫行业，最后博弈的结果是什么?在最理想的状态下，他们还将神经网络二值化，随着其中一个网络变得更强大，优化动漫视效?
来自喵图科技的算法研发团队给出了深度学习在动漫领域的研究进展，具有50个卷积层的ResNet-50需要超过95MB的存储器以及38亿次浮点运算。但GPU显存占用降低至原模型的5%，让动漫日更、哪些样本是伪造的。让计算主要在正1或负1间进行，另一个网络也必须适应和提升。
人工智能进军动漫产业，基于GAN的生成器，AI自动上色仍能照常工作，节约生产成本。达到与人工作画相近的效果。同时鉴别器接收[input, training data]和[input, fake output]对来鉴别哪些样本是真实的，喵图科技研发团队基于通道减枝，以相互竞赛的方式来训练彼此。