一键cosplay各路动漫人物！快手的这个BlendGAN火了 | NeurIPS 2021

金磊 发自 凹非寺 量子位 报道 | 公众号 QbitAI

动漫、艺术作品里的人物，他们极具张力的形象往往给人们留下深刻的印象。

但如果说现在，你也可拥有他们的同款造型呢？

没错，依旧来自是“无所不能”的GAN。

只要把你pick好的形象“投喂”进去，接下来妆发的工作交给它就行了：

红的、黄的、蓝的、白的……发色随意改变，风格也随之变换。

这就是来自快手的BlendGAN，而且这项工作还被顶会NeurIPS 2021接收。

而与以往“变妆”GAN不同的是，BlendGAN号称能驾驭的风格是——任意！

是有种“百变大咖秀”的那味了。

于是乎，这个项目成功在网上引起了众多网友的围观。

如何丝滑变妆？

那么，怎样拥有动漫人物同款造型呢？

很简单，只需要准备2张照片：

• 一张生活照
• 一张动漫人物造型

现在在Hugging Face里已经有了在线可玩的demo。

最简单的办法就是把这两张照片上传进去，等待一会儿就可以出结果了。

当然，稍微“技术”点的方法就是自己跑一遍程序了。

就在这两天，BlendGAN在GitHub上也已开源。

首先需要下载一些预训练模型，包括BlendGAN模型、PSP编码器模型和Style编码器模型。

然后仅需几句Python代码，便可出效果。

例如用随机人脸代码生成图像对，就输入：

python generate_image_pairs.py --size 1024 --pics N_PICS --ckpt ./pretrained_models/blendgan.pt --style_img ./test_imgs/style_imgs/100036.png --outdir results/generated_pairs/reference_guided/

若是要给照片换风格，则输入：

python style_transfer_folder.py --size 1024 --ckpt ./pretrained_models/blendgan.pt --psp_encoder_ckpt ./pretrained_models/psp_encoder.pt --style_img_path ./test_imgs/style_imgs/ --input_img_path ./test_imgs/face_imgs/ --outdir results/style_transfer/

要生成插值视频，则：

python gen_video.py --size 1024 --ckpt ./pretrained_models/blendgan.pt --psp_encoder_ckpt ./pretrained_models/psp_encoder.pt --style_img_path ./test_imgs/style_imgs/ --input_img_path ./test_imgs/face_imgs/ --outdir results/inter_videos/

为什么可以hold住任意风格？

那么快手的这个BlendGAN，为什么可以同时驾驭这么多的风格？

据研究介绍，团队首先是利用灵活的混合策略和通用的艺术数据集，来生成任意样式化的脸。

具体来说，就是在通用艺术数据集上，训练一个自监督Style编码器来提取任意样式的表示。

在生成器部分，则提出了一种叫做加权混合模块 (WBM)的方法，来隐式混合人脸和样式表示，并控制任意的程式化效果。

以往诸如StyleGAN2在这个步骤中，不同分辨率层（resolution layer）负责生成图像中的不同特征，而团队认为它们在不同层的混合权值不应当是一致的。

因此，研究人员将人脸和风格latent代码转换到它们的W空间，然后再由WBM进行一个组合的工作。

由此得到的结果显示，与以往方法比较，BlendGAN能够得到更加逼真的效果。

作者介绍

本文的通讯作者是Li Qiang，现任快手Y-tech的算法工程师。

本科和硕士就读于华中科技大学；博士毕业于悉尼科技大学，师从陶大程教授。

其主要研究方向为深度学习、机器学习和概率图形模型，对卷积神经网络、深度生成模型、表示学习和结构化预测感兴趣。

最后，想试试变妆的小伙伴，可以戳下方链接体验一下~

在线试玩：

https://huggingface.co/spaces/akhaliq/BlendGAN

参考链接：

[1]https://pythonrepo.com/repo/onion-liu-BlendGAN-python-deep-learning [2]https://github.com/onion-liu/BlendGAN [3]https://arxiv.org/pdf/2110.11728.pdf

— 完 —

本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容，未经账号授权，禁止随意转载。