repo: https://github.com/kotritrona/osumapper
demo: https://osu.ppy.sh/beatmapsets/834264/
用深度学习实现的自动做图
分为3个模型，前两个模型用CNN/LSTM的结构，分别对每个note的存在感和间距进行预测
然后预测出的节奏数据，输入一个GAN，生成图的排列
然后自动加上24clap，输出完成的osu地图
运行环境：
安装python3 (3.5), node.js (8+), ffmpeg, tensorflow (v1.9.0~1.10.0)
pip install soundfile
npm install polynomial
然后准备一套用来训练的图包，一个文本文件，包含osu文件的路径
运行01_osumap_loader.ipynb
运行02_osurhythm_estimator.ipynb
运行03_osurhythm_momentum_estimator.ipynb
输入需要做图的歌以及其timing
运行05_newsong_importer.ipynb
运行06_osurhythm_evaluator.ipynb
运行07_osuflow_evaluator_from_rhythm.ipynb
demo: https://osu.ppy.sh/beatmapsets/834264/
用深度学习实现的自动做图
分为3个模型，前两个模型用CNN/LSTM的结构，分别对每个note的存在感和间距进行预测
然后预测出的节奏数据，输入一个GAN，生成图的排列
然后自动加上24clap，输出完成的osu地图
运行环境：
安装python3 (3.5), node.js (8+), ffmpeg, tensorflow (v1.9.0~1.10.0)
pip install soundfile
npm install polynomial
然后准备一套用来训练的图包，一个文本文件，包含osu文件的路径
运行01_osumap_loader.ipynb
运行02_osurhythm_estimator.ipynb
运行03_osurhythm_momentum_estimator.ipynb
输入需要做图的歌以及其timing
运行05_newsong_importer.ipynb
运行06_osurhythm_evaluator.ipynb
运行07_osuflow_evaluator_from_rhythm.ipynb
