一键上妆的BeautyGAN

一键上妆效果如下

BeautyGAN

• 论文名称：BeautyGAN: Instance-level Facial Makeup Transfer with Deep Generative Adversarial Network，2018年的ACM MM
• 官方网站：http://liusi-group.com/projects/BeautyGAN
• 实现功能：输入两张人脸图片，一张无妆，一张有妆，模型输出换妆之后的结果，即一张上妆图和一张卸妆图

采用了经典的图像翻译结构：

• 生成器G包括两个输入，分别是无妆图、有妆图，通过encoder、residual blocks、decoder得到两个输出，分别是上妆图、卸妆图
• 上妆和卸妆不能改变原始的人物信息，这里通过perceptual loss保证
• 使用两个判别器，DA区分真假无妆图，DB区分真假有妆图
• 训练了一个语义分割网络用于提取人脸不同区域的mask，上妆图和有妆图在脸部、眼部、嘴部三个区域需满足makeup loss，通过直方图匹配实现
• 把上妆图和卸妆图再次输入给G，重新执行一次卸妆和上妆，从而得到两张重建图，通过cycle consistency loss需要和原始图相同

论文中的上妆结果看起来很nice～

作者也很nice地给出了自建的数据集，包括1116张无妆图、2720张有妆图，在官方网站提供了下载链接

唯一不nice的是，没有开源代码，也没有提供训练好的模型

自己动手

看了论文中的效果，正好数据集也可以下载，感觉挺有意思，当然要手动复现一下啦

复现结果如下，看起来还阔以～

• 项目放到了Github上，https://github.com/Honlan/BeautyGAN
• 训练好的模型传到了网盘上，https://pan.baidu.com/s/1wngvgT0qzcKJ5LfLMO7m8A，7lip
• 编程环境为Python3.6和TensorFlow1.9
• 项目中包括11张无妆图片，以及9张有妆图片
• 下载训练好的模型，新建文件夹model，将模型文件放于其中

默认对 imgs/no_makeup/xfsy_0068.png 进行上妆

python main.py

如果需要对其他人脸图片上妆，传入图片路径即可，推荐使用大小合适的正脸图片

python main.py --no_makeup xxx.xxx