哈喽,大家好。
今天继续给大家分享优秀的 AI 项目。
【python|Python+AI智能编辑人脸】今天分享这个项目使用StyleGAN
算法对人脸进行编辑。
文章图片
在该项目中,可以改变图片中人物的发型、给人物加胡须、让人物微笑等等。
大致思路是,先用StyleGAN
算法提取人脸特征,再利用人脸属性分类器(如:Nvidia的40个人脸属性分类器),找到可进行人脸编辑的属性,执行编辑后即可将原图变成想要的效果。
项目已在 GitHub 上开源,可直接运行。
下面我介绍下项目核心流程。
1. 提取人脸特征
下载StypeGAN
预训练模型,放在指定目录下。
运行wy_gan_inversion.py
获取人脸w并保存。
这里解释下w的概念,StypeGAN
模型从训练图像数据中提取特征(如:头发、皱纹、眉毛),这些特征存储在每一张图片的latent code
中,一张图片有许多latent code
,一定数量的latent code
组成latent
(一个512维的向量),这个latent
又被称为潜码。
w是将潜码解耦后得到的。由于潜码的特征之间的耦合性比较大。例如:头发长度和男子气概,按照潜码的特征分布,这两个特征之间有紧密的联系。实际上,短发男子、长发男子都可以有很强的男子气概,因此需要将特征解耦。
项目中./checkpoint/wy_faces
路径下有两个目录,分别为musk
和taylor
,里面存放了已提取出来的w,对应文章开头的那个图,可供大家直接使用。
2. 得到标签属性
运行wd_direction_nv.py
,对标签集分类,在w中找到可用的编辑方向。
标签集在./checkpoint/label_dict/
目录中,格式如下:
文章图片
默认的标签集是存放在./checkpoint/label_dict/stylegan1/
目录的stylegan1_attributes_seed0_30000.pt
文件中。
如果想自己标记标签集,可以参考并运行./label_set_unit/generation_seed_zw.py
文件。
3. 编辑人脸
最后,用前两步生成的结果对人脸进行编辑输出最终结果。
加载第一步产出的人脸w
wy_path = './checkpoint/wy_faces/taylor/ty-norm1024.pt'
w_y = torch.load(wy_path, map_location=device).clone().squeeze(0) # face
对应的图片如下:
文章图片
加载第二步可用的编辑方向——微笑
wd_path = './checkpoint/wd_directions/ms-cases/00_smile/id0_dict1_l1_12k_acc0.89698_saga_iter2000.npy'
w_d = torch.tensor(np.load(wd_path))
对原图编辑
w_d = w_d.view(layere-layers,512)
clip1 = 0.0 # 0.01-0.03
w_d[torch.abs(w_d)<=clip1] = 0.0w_y[start_layer:end_layer] = (w_y+a*w_d)[start_layer:end_layer]
经过编辑后,便会产出一张让原图微笑的图片
文章图片
两张图放一起,对比会更明显一些。
文章图片
文章图片
好了, 这个就是我今天要分享的项目。大家可以下载运行,看看效果。
项目地址:https://github.com/disanda/RFM
StyleGAN
是非常好的算法,目前有stylegan1
、stylegan2
和stylegan3
三个版本,感兴趣的朋友可以学习下原理。最后,感谢你的关注,我将持续分享优秀的 AI 项目。
如果本文对你有用就点个 在看 鼓励一下吧。
【python学习】
学Python的伙伴,欢迎加入新的交流【君羊】:1020465983
一起探讨编程知识,成为大神,群里还有软件安装包,实战案例、学习资料
推荐阅读
- 大数据|Python的打包神器—Nuitka
- python
- 大数据|大消费企业怎样做数字化转型()
- 人工智能|2021 年终总结 和 2022 年 flag
- python|docker-compose命令及yaml文件
- 计算机视觉|干货收藏!基于深度学习目标姿态估计的论文一览(2017-2020)
- 质量体系建设之路的分分合合
- java|JAVA中几种常用JSON库性能比较
- python|使用Python抓取动态网站数据