讓猛男嬌羞的AI算法
本文 GitHub //github.com/Jack-Cherish/PythonPark 已收錄，有技術乾貨文章，整理的學習資料，一線大廠面試經驗分享等，歡迎 Star 和 完善。
大家好，我是 Jack。
最近又火了一個AI算法，猛男都hold不住的AI特效。
想像一下，魁梧的身軀，濃密的絡腮鬍的猛男。
在AI特效的加持下，「華麗轉身」瞬間變成了一個可愛的「小胖子」。
AI如此多嬌，引得無數猛男競折腰（視頻可播放）：
其實，這個去鬍子特效算法很早就有了。
就像今年2月份突然火的「螞蟻呀嘿」一樣，早在去年8月份我就出過技術教程：
這次火起來的去鬍子特效，我也在今年1月份就出過類似的技術教程。
這些爆款的背後，都是早已發表的算法的應用落地。
我們從不缺優秀的算法，缺的是將算法巧妙用起來的idea，以及算法的快速落地能力。
去鬍子特效就是人臉屬性編輯算法的巧妙應用。
類似技術，不光可以去掉鬍子，也可以變禿變強：
禿頭生成器，Hairstyle Transfer 你值得擁有！
今天就帶大家回顧一下，去鬍子特效的算法原理，以及如何玩轉這個算法！
No beard
猛男如果想要嘗試這「去鬍子特效」，不想跑算法，可以直接用一款名為Snapchat的App。
在對話框里輸入no beard，選中下面第一個特效即可：
Snapchat這款App需要科學上網，否則無法使用。
接下來說的就是我曾經寫過的StyleFlow，鬍鬚、頭髮、光照角度、人臉角度、年齡、眼鏡、表情等多維角度都可以單獨調節（視頻可播放）：
StyleFlow 就是基於StyleGAN的人臉屬性編輯算法。
思想就是，在隱空間（latent space）控制隱藏特徵（latent code）來控制圖片的屬性。
簡單點解釋就是，一副人臉圖片，是由多維特徵組成的，比如年齡、性別、光照、膚色、發質等。
為了更好的對數據進行分類或生成，需要對數據的特徵進行表示，但是數據有很多特徵。
這些特徵之間相互關聯，耦合性較高，導致模型很難弄清楚它們之間的關聯，使得學習效率低下，因此需要尋找到這些表面特徵之下隱藏的深層次的關係，將這些關係進行解耦，得到的隱藏特徵，即latent code。
由latent code組成的空間就是latent space。
StyleFlow就做了這麼一個事，解耦特徵，控制特徵。
算法在人臉和汽車數據集上，都取得了非常不錯的效果。
算法測試
Github 項目地址：
//github.com/RameenAbdal/StyleFlow
第一步：搭建測試環境。
需要安裝PyQt5、Tensorflow等第三方庫，根據requirements.txt安裝即可。
//github.com/RameenAbdal/StyleFlow/blob/master/requirements.txt
此外，還需要配置StyleGAN2的環境。
項目地址：
為了方便大家下載，我從Google Drive下載了控制人臉的屬性的權重文件，放到了百度網盤（提取碼：jack）：
//pan.baidu.com/s/1-kLG2Fzx0MM88SSYqefMNg
更多的控制其他物體屬性的權重文件，可在從Google Drive下載。
//drive.google.com/drive/folders/1QHc-yF5C3DChRwSdZKcx1w6K8JvSxQi7
第三步：在工程目錄，運行程序。
Python;toolbar:false">python main.py
這個去鬍子特效無非就是將，控制鬍子的latent code單獨拿出來，做了一個端到端的效果。
為了保證效果的穩定，還會做一些工程上的優化，例如添加下巴區域的mask，只替換該區域。
話說這李逵沒了鬍子，也蠻可愛啊！
我是超多乾貨的 Jack，我們下期見。
文章轉自我的公眾號：
