漫畫摳圖是漢化組翻譯中必不可少而又工作量很大的一項工作，主要內(nèi)容是將漫畫中的文字摳去，以便替換成另一種語言。現(xiàn)在，這項工作可以自動化地完成了，一位韓國的開發(fā)者開源了一款工具，借助深度學習模型可以一鍵摳去漫畫中的文字，連背景圖中的文字都可以被摳去，效果十分驚人。

很多人都喜歡看日本漫畫，不少作品已經(jīng)成為很多人心中的童年回憶。但是對于漫畫的翻譯人員來說，他們需要去除原有漫畫的對話框和背景文字，并將其替換為讀者使用的語言。由于一本漫畫可能有數(shù)萬個對話框和對話，因此工作量是很大的。

現(xiàn)在，摳圖的工作人員可以基本上解放他們的雙手了。只要你有 TensorFlow，就可以快速實現(xiàn)一鍵摳圖，將漫畫圖像中的所有文字一鍵去除。

SickZil-Machine，一鍵摳圖

SickZil 是韓文中的作者提供了一個視頻，用于展示這一工具的效果。

作者同時提供了自動工具摳圖的案例。

對話框中的文字可以被完全消除。

有時候會有些文字消除不干凈的情況，但基本不影響畫面（漫畫右上角標題符號）。同時，背景中被去掉文字后，背景畫面可以被自動補全，基本不改變畫面效果（畫面右上角背景文字）。

從視頻中可以看出，這一工具非常的方便。只需要選擇待處理的漫畫，然后運行工具即可。如果有一些畫面被誤去除，或者有一些去除不干凈的情況下，用戶可以手動修改需要被去除的文字。

那么，這一工具背后是什么技術呢？

技術

模型架構

據(jù)項目作者介紹，這一工具背后使用了兩個模型，第一個是 Seg Net，用于檢測漫畫中的問題。另一個則是 Compl Net，用于處理漫畫圖像，去除文字并補全缺失的圖像部分。

Seg Net 使用的是 U-NET。這是一種編碼器-解碼器架構。編碼器逐漸減少池化層的空間維度，解碼器逐步修復物體的細節(jié)和空間維度。

U-Net 的架構，將輸入圖像逐步池化后進行上采樣，從而還原圖像細節(jié)。

而 Compl Net 使用的是 deepfill v2，這是一個用于對任意被 mask 的圖像進行修復的模型，可以適應各種 mask 的方式（塊狀遮蓋或線條遮蓋都可以）。deepfill 是 Adobe 等機構提出一系列圖像修復工具，機器之心也曾用過 deepfill v1，但是效果似乎沒有論文展示的那么好。

目前 deepfill v2 并沒有官方開源，但 GitHub 上有其他開發(fā)者復現(xiàn)。

deepfill v2 的模型架構，可以進行圖像修復。

有了這兩大神器，基本上可以實現(xiàn)漫畫文字的檢測識別和去除文本后的圖像補全。

數(shù)據(jù)集和訓練

有了模型還不夠，很多讀者想知道，整個系統(tǒng)是怎樣訓練的。

在 Seg Net 上，作者使用了原始的漫畫圖像和文本內(nèi)容遮蓋數(shù)據(jù)，用于覆蓋原始漫畫中所有的文字部分。在 Compl Net 上，模型的輸入為被移除了文字的漫畫圖像。模型使用了 285 個圖像-遮蓋對和 31500 張漫畫圖像，其中有將近 12000 張漫畫是有文字的，因此訓練的數(shù)據(jù)比較平衡。

安裝和使用

作者沒有透露訓練模型的相關參數(shù)，但是提供了開發(fā)者需要準備的硬件配置。 對于開發(fā)者而言，運行代碼需要準備 NVIDIA 驅(qū)動 410.x，CUDA 10.0，CUDNN >= 7.4.1，TensorFlow 需要大于 1.13 版本。

配置代碼步驟如下：

首先克隆相關代碼：git clone https://github.com/KUR-creative/SickZil-Machine.git; cd SickZil-Machine

下載 zip 文件，地址：https://github.com/KUR-creative/SickZil-Machine/releases。

解壓并復制文件：SickZil-Machine-0.1.1-pre0-win64-cpu-eng/resource/cnet 和 SickZil-Machine-0.1.1-pre0-win64-cpu-eng/resource/snet 到文件目錄：SickZil-Machine/resource.

進入目錄并安裝：pip install -r requirements.txt

運行主程序：cd src; python main.py