让猛男娇羞的AI算法
共 1667字，需浏览 4分钟
· 2021-03-18
大数据文摘授权转载自Jack Cui
作者：Jack Cui
最近又火了一个AI算法，猛男都hold不住的AI特效。
想像一下，魁梧的身躯，浓密的络腮胡的猛男。
在AI特效的加持下，“华丽转身”瞬间变成了一个可爱的“小胖子”。
AI如此多娇，引得无数猛男竞折腰（视频可播放）：
其实，这个去胡子特效算法很早就有了。
就像今年2月份突然火的「蚂蚁呀嘿」一样，早在去年8月份我就出过技术教程：特朗普和蒙娜丽莎深情合唱《Unravel》。
这次火起来的去胡子特效，我也在今年1月份就出过类似的技术教程。
这些爆款的背后，都是早已发表的算法的应用落地。
我们从不缺优秀的算法，缺的是将算法巧妙用起来的idea，以及算法的快速落地能力。
去胡子特效就是人脸属性编辑算法的巧妙应用。
类似技术，不光可以去掉胡子，也可以变秃变强：秃头生成器，Hairstyle Transfer，你值得拥有！
今天就带大家回顾一下，去胡子特效的算法原理，以及如何玩转这个算法！
No beard
猛男如果想要尝试这「去胡子特效」，不想跑算法，可以直接用一款名为Snapchat的App。
在对话框里输入no beard，选中下面第一个特效即可：
Snapchat这款App需要科学上网，否则无法使用。
接下来说的就是我曾经写过的StyleFlow，胡须、头发、光照角度、人脸角度、年龄、眼镜、表情等多维角度都可以单独调节（视频可播放）：
StyleFlow 就是基于StyleGAN的人脸属性编辑算法。
思想就是，在隐空间（latent space）控制隐藏特征（latent code）来控制图片的属性。
简单点解释就是，一副人脸图片，是由多维特征组成的，比如年龄、性别、光照、肤色、发质等。
为了更好的对数据进行分类或生成，需要对数据的特征进行表示，但是数据有很多特征。
这些特征之间相互关联，耦合性较高，导致模型很难弄清楚它们之间的关联，使得学习效率低下，因此需要寻找到这些表面特征之下隐藏的深层次的关系，将这些关系进行解耦，得到的隐藏特征，即latent code。
由latent code组成的空间就是latent space。
StyleFlow就做了这么一个事，解耦特征，控制特征。
算法在人脸和汽车数据集上，都取得了非常不错的效果。
算法测试
Github 项目地址：
第一步：搭建测试环境。
需要安装PyQt5、Tensorflow等第三方库，根据requirements.txt安装即可：
https://github.com/RameenAbdal/StyleFlow/blob/master/requirements.txt
此外，还需要配置StyleGAN2的环境。
项目地址：
https://github.com/NVlabs/stylegan2
为了方便大家下载，我从Google Drive下载了控制人脸的属性的权重文件，放到了百度网盘（提取码：jack）：
https://pan.baidu.com/s/14F1Gww3b8S0Nabn4QTNjNg
更多的控制其他物体属性的权重文件，可在从Google Drive下载：
https://drive.google.com/drive/folders/1QHc-yF5C3DChRwSdZKcx1w6K8JvSxQi7
第三步：在工程目录，运行程序。
python main.py
这个去胡子特效无非就是将，控制胡子的latent code单独拿出来，做了一个端到端的效果。
为了保证效果的稳定，还会做一些工程上的优化，例如添加下巴区域的mask，只替换该区域。
话说这李逵没了胡子，也蛮可爱啊！
