秒變「迪士尼在逃公主」 這款AI因效果太過逼真徹底火了
上傳一張照片，就可以擁有自己的動漫形象？
現在一個名為「Toonify yourself」的AI工具就可以辦到，而且效果非常逼真。
最近，熱映的真人版《花木蘭》，在國外又掀起了一股動漫風！各種名人漫畫形象頻頻刷屏，比如這張宮崎駿老爺爺，可可愛愛的形象完全可以出演動漫電影了。
還有這張演員楊紫瓊的動漫形象，大眼、瘦臉完全具備了動漫角色的典型特徵。
更重要的是幾乎復刻了真人的原始狀態，包括頭髮、面部表情、神態，妥妥地訂製化動漫形象。
這些動漫形象全部出自一個名為「Toonify yourself」的AI工具。它不僅呈現出效果逼真，操作起來還非常簡單，只需在模型中上傳一張照片即可！
據了解，這款工具剛剛發布就完成了25萬次服務，非常受用戶歡迎，還有網友評論稱：研發者可以考慮考慮商業化的問題了。
那麼，這款工具是如何實現的呢？
生成漫畫臉的技術原理
據它的創建者之一Doron Adler介紹稱，該工具主要利用了混合網路（Blended Network），這是一個複雜的網路機制，主要由於兩部分模型來完成：StyleGAN Model和Blended Model。
其中，StyleGAN Model負責對初始照片進行預訓練，其目的是節省訓練的時間和成本，因為對於個人而言，並不是每個人都有足夠的CPU或者數周的時間進行數據訓練，這個過程也被成為「轉移學習（Transfer learning）「。
重要的是，通過預訓練模型，可以得到更高品質的影像。
Doron介紹稱，為了達到更好的動漫效果，他們收集了迪士尼/皮克斯/夢工廠等大約300張動漫影像作為數據集。
通過對數據集進行訓練來學習動漫角色的典型特徵。從以下輸出結果來看，效果還是非常不錯的。
儘管對數據集進行了少量的訓練，但大眼、瘦臉等典型特徵都能很好的捕捉到。其中部分影像比較模糊，是因為原始影像的解析度比較低，而且有些是手繪影像造成的。
接下來，經過人臉微調的影像會進入Blend Model的處理階段。
在這裡，由於StyleGAN 的結構，模型中的不同層以不同的方式影響生成人物的外觀。低解析度層決定頭部姿態和人臉形狀，高解析度層則控制光線和紋理等細節。
Doron 使用的 Layer Swapping 腳本從原始模型中提取了高解析度層，從StyleGAN Model微調模型中提取低解析度層，因此，最終得到了具有卡通人臉結構且具備照片級逼真渲染效果的混合模型。
可以看到，使用原始的面孔模型和混合卡通模型生成影像，兩者之間存在著明顯的聯繫，保持了人物的原始面貌，同時也實現了動漫化。（需要強調的是，如何需要高解析度的卡通形象，則需要輸入高像素的原始影像，一般不得低於1024x1024像素）。
效果逼真，操作簡單，但因太火而下線
StyleGAN模型可以產生大量人臉影像，在其中可以找到任何一張人臉的影像。比如通過該模型輸入一張需要處理的影像示例，模型會通過「程式碼」（也稱為潛在向量），輸出一個與示例完全匹配的人臉影像，如下圖左邊為原圖在左邊，右邊邊為生成圖。
然後將具有特定「程式碼」的人臉影像輸入混合模型，結果就可以得到一個卡通化人臉。
這一過程，輸入示例大致經歷了三步處理過程：
提取面步特徵，並自動對齊影像。
找到潛在程式碼，複製影像。
使用卡通模型的潛在程式碼,對影像進行處理。
基於這一原理，用戶只需要在系統中上傳照片即可。不過可惜的是，由於用戶訪問量過大，考慮到伺服器的運行成本，Doron暫時關閉了這一系統的使用入口，並表示重新規劃成本效益後，會再次對外開放。
關於作者
Justin Pinkney是該工具另一創建者。與Doron一樣，Justin對生成藝術和機器學習非常感興趣。
從他的個人主頁上了解到，Justin曾是一名物理學家，現在英國MathWorks擔任軟體顧問，負責演算法開發、模型訓練以及組織軟體開發實踐。
Justin利用StyleGAN模型做過多項研究。比如他通過StyleGAN Network Blend讓壁畫上的浮雕秒變人臉影像。
該項研究同樣是基於「圖層交換（Layer Swapping）」的概念，將基礎模型與使用轉移學習的模型（即微調模型）融合在一起達到最終的效果。
此外，還有利用神經網路生成各類虛假蛋糕等。
此類研究的詳細技術過程，Justin在其部落格中給出了詳細說明，感興趣的朋友可以參加：（//www.justinpinkney.com/stylegan-network-blending/）。
