StyleFlow，牛逼！
本文 GitHub https://github.com/Jack-Cherish/PythonPark 已收录，有技术干货文章，整理的学习资料，一线大厂面试经验分享等，欢迎 Star 和 完善。
一、前言
大家好，我是 Jack 。
人脸属性编辑再添力作「StyleFlow」，1月7日刚刚开源，上周末我立马就试了一下。
光照角度、人脸角度、年龄、头发、眼镜、胡须、表情等多维角度都可以单独调节：
StyleFlow，牛逼！
效果非常好，特别是光照角度的改变，很逼真。
同时人脸属性编辑的效果，与曾经写过的 ALAE 算法，又有了较大的提高。
除了人脸属性编辑，「StyleFlow」也在汽车上验证了效果，汽车角度、汽车颜色都可以一键调节！
教学开始！
二、StyleFlow
高清「人脸生成」算法，你知道多少？
曾经风靡一时的 StyleGAN，给人们带来很多震撼，逼真的肖像，你根本分不清，哪张图片是算法生成的。
看一下 StyleGAN v2 人脸生成的效果：
这些人脸，都是算法随机生成的。
有人还特意用 StyleGAN v2 做了一个酷炫的网站，随机生成百变的人脸。
你每刷新一次网页，它都会给你一张随机生成的人脸肖像。
URL：https://thispersondoesnotexist.com/
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。
三、算法测试
Github 项目地址：https://github.com/RameenAbdal/StyleFlow
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
第二步：下载训练好的模型权重文件。
所有的权重文件都在 Google Drive。
https://drive.google.com/drive/folders/1QHc-yF5C3DChRwSdZKcx1w6K8JvSxQi7
其中，视频开头演示的使用的权重是 stylegan2-ffhq-config-f.pkl。
第三步：在工程目录，运行程序。
python main.py打开 UI 界面。
按上图的步骤，即可调整人脸的各种属性。
动起手来，一起体验一下吧~