中国风动漫在对外汉语教学中的应用

本文主要针对近年来中国风动漫的崛起、知名度的提高,运用对外汉语教育学知识,尝试将中国风动漫应用到对外汉语教学的课堂中,并分析筛选出适合应用到课堂中的中国风动漫典例,提出课堂教学设计的建议以及课堂中应用中国风动漫需要注意的问题。最后总结出中国风动漫还存在的不足及展望。

中国风动漫中情感多模态隐、转喻的认知研究——以动漫短片《相思》为例

隐喻和转喻是概念性的,除了以语言符号来表示外,还可以通过图像、声音、手势等模态来传达,从而形成多模态隐喻和转喻。在中国风动漫短片《相思》中,影像画面、配乐和语言互相协同,共同呈现了两位主人公"相思""悲伤""高兴"等情感的多模态隐喻和转喻。由此发现,在动漫语类中,图像是多模态隐、转喻的主要表征;多模态隐、转喻具有明显的文化规约性。

基于中国写意风格迁移的动漫视频生成模型

目前生成式对抗网络(GAN)已经被用于图像的动漫风格转换。然而,现有基于GAN的动漫生成模型主要以日本动漫和美国动漫为对象,集中在写实风格的提取与生成,很少关注到中国风动漫中写意风格的迁移,因此限制了GAN在国内广大动漫制作市场中的应用。针对这一问题,通过将中国写意风格融入到GAN模型,提出了一种新的中国风动漫生成式对抗网络模型CCGAN,用以自动生成具有中国写意风格的动漫视频。首先,通过在生成器中增加反向残差块,构造了一个轻量级的深度神经网络模型,以降低视频生成的计算代价。其次,为了提取并迁移中国写意风格中图像边缘锐利、内容构造抽象、描边线条具有水墨质感等性质,在生成器中构造了灰度样式损失和颜色重建损失,以约束真实图像和中国风样例图像在风格上的高层语义一致性,并且在判别器中构造了灰度对抗损失和边缘促进对抗损失,以约束重构图像与样例图像保持相同的边缘特性。最终,采用Adam算法最小化上述损失函数,从而实现风格迁移,并将重构图像组合为视频。实验结果表明,与目前最具代表性的风格迁移模型CycleGAN与CartoonGAN相比,所提CCGAN可从以《中国唱诗班》为例的中国风动漫中有效地学习到中国写意风格,同时显著降低了计算代价,适合于大批量动漫视频的快速生成。