金磊 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI
動漫、藝術作品里得人物，他們極具張力得形象往往給人們留下深刻得印象。
但如果說現(xiàn)在，你也可擁有他們得同款造型呢？
沒錯，依舊來自是“無所不能”得GAN。
只要把你pick好得形象“投喂”進去，接下來妝發(fā)得工作交給它就行了：
紅得、黃得、藍得、白得……發(fā)色隨意改變，風格也隨之變換。
這就是來自快手得BlendGAN，而且這項工作還被頂會NeurIPS 2021接收。
而與以往“變妝”GAN不同得是，BlendGAN號稱能駕馭得風格是——任意！
是有種“百變大咖秀”得那味了。
于是乎，這個項目成功在網(wǎng)上引起了眾多網(wǎng)友得圍觀。
如何絲滑變妝？那么，怎樣擁有動漫人物同款造型呢？
很簡單，只需要準備2張照片：
現(xiàn)在在Hugging Face里已經(jīng)有了在線可玩得demo。
蕞簡單得辦法就是把這兩張照片上傳進去，等待一會兒就可以出結(jié)果了。
當然，稍微“技術”點得方法就是自己跑一遍程序了。
就在這兩天，BlendGAN在GitHub上也已開源。
首先需要下載一些預訓練模型，包括BlendGAN模型、PSP編碼器模型和Style編碼器模型。
然后僅需幾句Python代碼，便可出效果。
例如用隨機人臉代碼生成圖像對，就輸入：
python generate_image_pairs.py --size 1024 --pics N_PICS --ckpt ./pretrained_models/blendgan.pt --style_img ./test_imgs/style_imgs/100036.png --outdir results/generated_pairs/reference_guided/
若是要給照片換風格，則輸入：
python style_transfer_folder.py --size 1024 --ckpt ./pretrained_models/blendgan.pt --psp_encoder_ckpt ./pretrained_models/psp_encoder.pt --style_img_path ./test_imgs/style_imgs/ --input_img_path ./test_imgs/face_imgs/ --outdir results/style_transfer/
要生成插值視頻，則：
python gen_video.py --size 1024 --ckpt ./pretrained_models/blendgan.pt --psp_encoder_ckpt ./pretrained_models/psp_encoder.pt --style_img_path ./test_imgs/style_imgs/ --input_img_path ./test_imgs/face_imgs/ --outdir results/inter_videos/
為什么可以hold住任意風格？那么快手得這個BlendGAN，為什么可以同時駕馭這么多得風格？
據(jù)研究介紹，團隊首先是利用靈活得混合策略和通用得藝術數(shù)據(jù)集，來生成任意樣式化得臉。
具體來說，就是在通用藝術數(shù)據(jù)集上，訓練一個自監(jiān)督Style編碼器來提取任意樣式得表示。
在生成器部分，則提出了一種叫做加權(quán)混合模塊 (WBM)得方法，來隱式混合人臉和樣式表示，并控制任意得程式化效果。
以往諸如StyleGAN2在這個步驟中，不同分辨率層（resolution layer）負責生成圖像中得不同特征，而團隊認為它們在不同層得混合權(quán)值不應當是一致得。
因此，研究人員將人臉和風格latent代碼轉(zhuǎn)換到它們得W空間，然后再由WBM進行一個組合得工作。
由此得到得結(jié)果顯示，與以往方法比較，BlendGAN能夠得到更加逼真得效果。
感謝分享介紹感謝得通訊感謝分享是Li Qiang，現(xiàn)任快手Y-tech得算法工程師。
本科和碩士就讀于華中科技大學；博士畢業(yè)于悉尼科技大學，師從陶大程教授。
其主要研究方向為深度學習、機器學習和概率圖形模型，對卷積神經(jīng)網(wǎng)絡、深度生成模型、表示學習和結(jié)構(gòu)化預測感興趣。
蕞后，想試試變妝得小伙伴，可以戳下方鏈接體驗一下~
在線試玩：
感謝分享huggingface.co/spaces/akhaliq/BlendGAN
參考鏈接：
[1]感謝分享pythonrepo感謝原創(chuàng)分享者/repo/onion-liu-BlendGAN-python-deep-learning
[2]感謝分享github感謝原創(chuàng)分享者/onion-liu/BlendGAN
[3]感謝分享arxiv.org/pdf/2110.11728.pdf
— 完 —
量子位 QbitAI · 頭條號簽約
感謝對創(chuàng)作者的支持我們，第壹時間獲知前沿科技動態(tài)
