一键Cosplay各路动漫人物，快手算法工程师开发的这个BlendGAN
动漫，艺术作品里的人物，他们极具张力的形象往往给人们留下深刻的印象。
但如果说现在，你也可拥有他们的同款造型呢。
没错，依旧来自是无所不能的对抗生成网络。
只要把你 pick 好的形象投喂进去，接下来妆发的工作交给它就行了:
红的，黄的，蓝的，白的 发色随意改变，风格也随之变换
这就是来自快手的 BlendGAN，而且这项工作还被顶会 NeurIPS 2021 接收。
而与以往变妆GAN 不同的是，BlendGAN 号称能驾驭的风格是 —— 任意！
是有种百变大咖秀的那味了。
于是乎，这个项目成功在网上引起了众多网友的围观。作者顺势做了个全面整理写成了一篇论文，相关讨论在reddit上直接收获了700+的热度:。
如何丝滑变妆。
那么，怎样拥有动漫人物同款造型呢。
很简单，只需要准备 2 张照片:
-
一张生活照
-
一张动漫人物造型
现在在 Hugging Face 里已经有了在线可玩的 demo。
最简单的办法就是把这两张照片上传进去，等待一会儿就可以出结果了。
当然，稍微技术点的方法就是自己跑一遍程序了。
就在这两天，BlendGAN 在 GitHub 上也已开源。
首先需要下载一些预训练模型，包括 BlendGAN 模型，PSP 编码器模型和 Style 编码器模型。
然后仅需几句 Python 代码，便可出效果。
例如用随机人脸代码生成图像对，就输入:
pythongenerate_image_pairs.py——size1024——picsN_PICS——ckpt./pretrained_models/blendgan.pt——style_img./test_imgs/style_imgs/100036.png——outdirresults/generated_pairs/reference_guided/
若是要给照片换风格，则输入:
pythonstyle_transfer_folder.py——size1024——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/——outdirresults/style_transfer/
要生成插值视频，则:
pythongen_video.py——size1024——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/——outdirresults/inter_videos/为什么可以 hold 住任意风格。
那么快手的这个 BlendGAN，为什么可以同时驾驭这么多的风格。
据研究介绍，团队首先是利用灵活的混合策略和通用的艺术数据集，来生成任意样式化的脸。
具体来说，就是在通用艺术数据集上，训练一个自监督 Style 编码器来提取任意样式的表示。
在生成器部分，则提出了一种叫做加权混合模块 的方法，来隐式混合人脸和样式表示，并控制任意的程式化效果。
以往诸如 StyleGAN2 在这个步骤中，不同分辨率层负责生成图像中的不同特征，而团队认为它们在不同层的混合权值不应当是一致的。
因此，研究人员将人脸和风格 latent 代码转换到它们的 W 空间，然后再由 WBM 进行一个组合的工作。
由此得到的结果显示，与以往方法比较，BlendGAN 能够得到更加逼真的效果。
本科和硕士就读于华中科技大学，博士毕业于悉尼科技大学，师从陶大程教授。
其主要研究方向为深度学习，机器学习和概率图形模型，对卷积神经网络，深度生成模型，表示学习和结构化预测感兴趣。
最后，想试试变妆的小伙伴，可以戳下方链接体验一下。
在线试玩:点此直达
。郑重声明：此文内容为本网站转载企业宣传资讯，目的在于传播更多信息，与本站立场无关。仅供读者参考，并请自行核实相关内容。
