本文介绍了一种新的学习方法，用于自动给手绘动画上色。传统的上色方法需要手动对每个线条所围成的区域进行上色，非常耗时且繁琐。而本文提出的方法则通过学习线条之间的包含关系，来实现更加精细和准确的上色效果。
具体而言，本文的方法采用了两个阶段的估计模块。首先是粗糙的颜色扭曲模块，用于将参考帧中的颜色通过对齐线条特征传递到目标帧。然后是包含匹配模块，用于理解线条之间的包含关系，并根据这些关系进行更精细的上色。
为了训练这个网络，作者还开发了一个名为PaintBucket-Character的数据集，其中包含了各种3D角色的渲染线稿和上色后的对应图像。
通过大量的实验证明，本文的方法在上色效果上比现有技术更加有效和优越。然而，该方法仍然存在一些局限性，如对于动画中的大变形和遮挡情况处理不够理想。总体而言，这项研究为自动上色技术提供了一种新的学习方法，并展示了其在手绘动画上的潜力和优势。
项目地址：
https://ykdai.github.io/projects/InclusionMatching
本文地址：https://www.163264.com/6782