别再只拿一张图：Style2Paints 线稿分层上色指南

【免费下载链接】style2paintssketch + style = paints :art: (TOG2018/SIGGRAPH2018ASIA)项目地址: https://gitcode.com/gh_mirrors/st/style2paints

Style2Paints 是一个 AI 线稿上色工具，它沿着画师的"平涂→渐变→阴影"流程输出可编辑的 PSD 图层，而不是一张合成死图。本文带你快速跑通线稿 AI 上色的最快路径，看懂它的输入体系、拆层机制与许可证边界。

它解决的是什么问题

做过 AI 上色的人都遇到过同一个抱怨：不管跑得多好，最后只给你一张 JPG。想改裙子颜色？重新画。想调阴影？做不到。合成图是个黑盒，动不了。

而画师真正的上色流程是分层的：先出草稿，再平涂，然后加渐变和细节，最后铺阴影。对应的文件结构是 lineart 层 + flat color 层 + gradient 层 + shading 层，每一层都能单独改。

Style2Paints V4 的定位，就是把 AI 塞进这条标准工作流里——每一步都产出独立的分层结果，而不是单一文件。它输出的不是 JPG/PNG，是可以直接拖进绘画软件继续加工的 PSD 图层。

五分钟跑起来

最省事的路线是官方 V4.5 免安装二进制版（Windows x64）：从 README 给出的 Google Drive 或百度网盘渠道下载，解压后双击运行即可。不用装 CUDA，不用配 Python，体验上就像启动一个普通视频游戏。

想啃源码的话，仓库里 V4.5 与 V4 的服务端实现都齐全，可以用git clone https://gitcode.com/gh_mirrors/st/style2paints拿到全部代码。源码跑动的硬件门槛是 CUDA 10.0 + CuDNN 7 + Python 3.6。

V4.5 源码路线：先装依赖，再把软件包style2paints45beta1214B.zip里的模型文件（inception.net、gau.npy、refs.net等）放进s2p_v45_server/nets/目录，然后启动：

pip install opencv-contrib-python==4.1.0.25 pip install tensorflow_gpu==1.14.0 pip install bottle==0.12.10 pip install tqdm

cd s2p_v45_server python Style2PaintsV45_source.py

V4 源码路线：进入 V4/s2p_v4_server/ 目录，pip install -r requirements.txt装完依赖后执行python server.py。

两个版本都监听 8233 端口，服务就绪后浏览器打开http://127.0.0.1:8233/index.html就能开始上色。新手常慌的一点：启动时刷出WARNING:tensorflow:No training configuration found in save file...这类日志，README 明确说了这是正常现象，忽略即可。

你能喂给它什么

输入是"一必选、三可选"，每项控制的东西各不相同：

线稿（必选）。唯一必填项，上色对象本身。服务端会为每次上传建立独立会话，保存 1024/512/256 三档分辨率的线稿，供后续请求复用。

提示色点（可选）。在画布上点几个彩色点，AI 就把对应区域往那个颜色靠。这是最关键的干预通道。工程上限：单次请求超过 500 个点会被服务端直接拒绝；落盘时 y 坐标会被翻转（1 - y），属于内部坐标约定，使用时无需关心。

颜色风格参考图（可选）。代码里叫face。不指定就从内置参考库选，也可以上传自己的图。服务端把它的饱和度放大两倍（s_enhance系数 2.0），再降采样成 14x14 的全局提示，整张图的色调就往你给的参考偏。不传的话，配色由模型自由发挥。

光源位置与颜色（可选）。决定渲染阶段的阴影朝向与色温。不传则走默认光照，只影响最后一步的观感。

它怎么把一张图拆成几层

"输出 PSD 图层"不是营销话术，它对应管线上一个个真实的处理阶段，每个阶段各产出一部分结果。

线稿预处理：闭区域填充

上传后服务端先调用double_fill做 trapped-ball fill：把线条围出来的封闭区域全部找出来，切分成连通块。算法在 V4/s2p_v4_server/linefiller/ 子模块（trappedball_fill.py、thinning.py等）里，填充结果压缩成sketch.fill文件，之后所有请求共享。这些区域是后面平涂的几何先验——哪个区域填什么颜色，基本由这一步框定。

粗上色 careless：先出大感觉

go_head融合两类条件：降采样到 14x14 的全局风格参考（global_hint），以及把局部色点画进四通道提示图（RGB + alpha）形成的 local hint。网络输出第一版上色。这一步对应画师的"平涂"环节，产出前两类输出：自动颜色平铺无线条版、带黑线版。

精上色 careful：在平涂之上做细化

go_render拿上一阶段的平涂结果（flat_careless）当条件，配合inception提取的特征做渲染级精化。内部是一条多级后处理管线：按线稿建稀疏矩阵做全局优化，导向滤波平滑，HDR 三区间映射校正明暗，l0Smooth平涂化，最后回到 YUV 空间与原图做亮度融合。这一阶段覆盖第三到第五类输出：自动上色无线条、带黑线、带彩色线条，外加 smoothed / flat / blended 等形态变体。

颜色分解：自动平涂到 PSD 图层

要得到真正独立的"平涂色层"，服务端把上色结果的色彩用MiniBatchKMeans(8)聚成 8 个代表色，再由get_ini_layers把每个色块投影成一张 RGBA 图层（颜色 + alpha 覆盖关系），最后improve_layers反向重建一次，消掉层间误差。8 张 RGBA 能拼回完整结果——这就是"固有色层"可以单独导出、拿去改色的机制。

光照渲染：一套简化 Blinn-Phong

渲染前依次经go_mat（抠像）、shade_fill（阴影填充）、go_norm（法线估计），产出 matting、depth、normal 三张中间层，最后small_render合成光照。参数是简化版 Blinn-Phong：环境光amb = 0.55、平行光Plight = 0.8、高光系数ks = 0；R/G/B 三通道分别用 1.35 / 1.50 / 1.58 的菲涅尔幂次，模拟冷色高光、暖色漫反射的材质感。光源颜色、高度（h乘 600 换场景单位）、四象限方向d都来自客户端参数。这一步交付最后两类输出：自动渲染分离图层、渲染后的完整上色图。

V4.5 的模型架构速览

7 个 Keras 模型在make_graph启动时全部加载，分工明确：

另有nets/gau.npy提供预计算高斯核用于平滑，nets/refs.net是内置参考风格图库。推理采用分块滑窗：大图切成 64 像素的块，每块带 20 像素对称 padding 重叠，逐块推理再拼接——原因很直白，控制显存。

输出怎么用

把 7 类输出对工作流步骤：

1. 自动颜色平铺、无线条——固有色/底色层，方便改色；
2. 自动颜色平铺、带黑线——可直接用的平涂状态；
3. 自动上色、无线条——渐变结果；
4. 自动上色、带黑线——日常最常用的一张；
5. 自动上色、带彩色线条；
6. 自动渲染（分离图层）——阴影相关的独立图层；
7. 自动渲染后的完整上色图——最终合成。

这些分层天然是 PSD 形态，拖进画师软件就能继续加工，不用再抠线稿、再上色。

质量分级上，项目给了三档：只传线稿、选风格、放光源，结果直接可用，叫全自动；需要点几个色点纠正，叫半自动；半自动但纠正点少于 10 个，叫几乎全自动。README 展示的样例约一半全自动、其余全部几乎全自动，且都能在 15 次点击以内达成。交互逻辑就是"点了、改了、再点"：点得越准，精化阶段越贴合你的意图。

版本选择与许可证边界

先说版本：V5 还在 preview、未正式发布，当前稳定主线是 V4 与 V4.5。如果你奔着 V5 去，不必再装 V4/V4.5；反过来，要现在就用的工具，拿 V4.5 就行。

学术脉络很短一行：V1 发表于 ACPR 2017，V3 发表于 TOG 2018，V5（Project SEPA）发表于 CVPR 2021。

许可证三条规则记牢：

• 全部代码以 Apache-2.0 发布，可自由修改分发；
• 所有预训练模型权重与二进制发行版保留全部权利；
• AI 上色产出的图片归你所有，不附加任何额外许可证，商用可。

提醒一句：生产环境部署时，模型权重与官方二进制需要单独向项目方获取授权。

小结

Style2Paints V4/V4.5 的核心设计只有一句话：不替代画师，而是贴着画师的工作流走。线稿加上可选的提示点、风格参考、光照参数，经过闭区域填充、两阶段粗精上色、KMeans 颜色分解与简化光照渲染，最终产出能直接流入真实上色流程的分层资产。这套"分层资产"思路，也正是理解 V5（Project SEPA，CVPR 2021）Split Filling 机制的起点。

【免费下载链接】style2paintssketch + style = paints :art: (TOG2018/SIGGRAPH2018ASIA)项目地址: https://gitcode.com/gh_mirrors/st/style2paints