先看看随机生成的图片。
Makegirlsmoe_web动画角色形象生成工具。支持：选择发色、发型、眼睛、皮肤、笑容、风格等特征生成二次图像。打造可爱的二次元头像，二次元世界的福音。
运行项目你需要git-lfs来克隆这个repo。
修改src/Config.js，设置var debug=truenpm installnpm启动代码是为能够阅读和理解它的人准备的。看不懂也没关系。提供了一个在线网站，可以通过浏览器选择不同的配置生成不同的头像。
因为头条审核网站比较严格，防止他们误会就是推广，所以你可以搜索自己的经验或者关注我后私信我。我将把下面的地址发给你，以提供一个完整的选项。
你知道有什么有用有趣的动漫生成工具吗？请大家评论分享，一起讨论学习。
如果你觉得文章能帮到你，可以关注我，你的支持会鼓励我分享更多更好质量的文章。
在线生成3d模型
圣路易斯大学麦克维工程学院的研究人员开发了一种机器学习算法，可以从部分2D图像中创建细胞的连续3D模型，这些图像是在实验室中用相同的标准显微镜工具拍摄的。
他们的发现发表在9月16日的杂志《自然机器智能》上。
电气系统工程和计算机科学与工程助理教授Ulugbek Kamilov说，“我们在数字图像集上训练模型，以获得连续的表示。现在，我可以用任何我想要的方式来展示它。我可以平滑地放大，没有像素化。”
这项工作的关键是使用神经场网络，这是一种特殊的机器学习系统，它学习从空间坐标到相应物理量的映射。经过训练，研究人员可以指向任意坐标，模型可以提供该位置的图像值。
神经网络的一个特殊优势是，它们不需要训练大量的相似数据。相反，只要样本有足够数量的2D图像，网络就可以完全代表样本的内部和外部。
用于训练网络的图像与任何其他显微镜图像相同。本质上，细胞从下面发光；光线穿过它，在另一侧被捕获，形成图像。
卡米洛夫说，“因为我有一些细胞的视图，所以我可以使用这些图像来训练模型。”这是通过将模型信息输入到样本中的一个点来实现的，在该点图像捕捉细胞的一些内部结构。
然后，网络会尽力重建结构。如果输出错误，网络将被调整。如果这是正确的，那么这条道路将得到加强。一旦预测值与实际测量值匹配，网络就可以填充原始2D图像中没有捕捉到的细胞部分。
该模型现在包含细胞的完整和连续表示的信息。3354没有必要保存大量的图像文件，因为它总是可以被神经场网络重新创建。
卡米洛夫说，模型不仅易于存储，而且是细胞的真实表示，在许多方面，它比真实的模型更有用。
“我可以输入任何坐标，生成这个视图，”他说。”或者我可以从不同的角度产生全新的观点.”他可以使用模型将单元格旋转到顶部形状，或者放大以进行更近的观察；用这个模型完成其他数值任务，甚至输入到另一个算法中。