最近，国外两个技术宅Justin Pinkney和Doron Adler开发了一种AI「神奇」，分分钟秒变「迪士尼脸」。...两个生成器「捏造」迪士尼脸 StyleGAN2大家都不陌生，这个火爆的技术被称作「换脸神器」，是用真实人脸数据集训练而成，但对生成卡通人脸不太在行。...于是，他们从原始的人脸生成器上提取了高分辨率层；从用迪士尼图片调教过的生成器（用了300张迪士尼图像）上提取了低分辨率层，把它们捏合在一起。...让原始StyleGAN2生成了一堆真实人脸，让迪士尼版StyleGAN2生成了一堆卡通脸。就这样，用一对对的数据为AI提供训练素材。 训练完成之后，只要输入一张人脸照片，生成器就给出迪士尼脸了。...最初的Toonification方法涉及到一个昂贵的优化过程，即使用混合的StyleGAN模型对人脸进行编码，这需要在GPU上运行几分钟。 显然，这并不能把它作为一个网络应用程序！
之前开源的「人脸变卡通」项目往往可以提供很多鬼畜素材，要么嘴歪眼斜，要么脸型扭曲，甚至让你的五官看上去是随便放到脸盘里的，完全不像阳间该有的画风…… 但小视科技最近开源的一个项目似乎改变了这种印象，不仅可以生成逼真的卡通头像...但对于不想动手下载各种软件、数据集、训练模型的普通用户，该公司开放了一个名为「AI 卡通秀」的小程序，可以生成各种风格的卡通照片、gif 表情包，完全可以满足社交需求。...为了使输出结果体现人物信息，除了常规的 Cycle Loss 和 GAN Loss，研究人员还引入了 ID Loss：使用预训练的人脸识别模型来提取输入真人照和生成卡通画的 id 特征，并用余弦距离来约束...数据准备 训练数据包括真实照片和卡通画像，为降低训练复杂度，团队对两类数据进行了如下预处理： 检测人脸及关键点。 根据关键点旋转校正人脸。 将关键点边界框按固定的比例扩张并裁剪出人脸区域。...团队开源了 204 张处理后的卡通画数据，用户还需准备约 1000 张人像照片（为匹配卡通数据，尽量使用亚洲年轻女性照片，人脸大小最好超过 200x200 像素），使用以下命令进行预处理： python
之前开源的「人脸变卡通」项目往往可以提供很多鬼畜素材，要么嘴歪眼斜，要么脸型扭曲，甚至让你的五官看上去是随便放到脸盘里的，完全不像阳间该有的画风……但小视科技最近开源的一个项目似乎改变了这种印象，不仅可以生成逼真的卡通头像...但对于不想动手下载各种软件、数据集、训练模型的普通用户，该公司开放了一个名为「AI 卡通秀」的小程序，可以生成各种风格的卡通照片、gif 表情包，完全可以满足社交需求。...为了使输出结果体现人物信息，除了常规的 Cycle Loss 和 GAN Loss，研究人员还引入了 ID Loss：使用预训练的人脸识别模型来提取输入真人照和生成卡通画的 id 特征，并用余弦距离来约束...数据准备 训练数据包括真实照片和卡通画像，为降低训练复杂度，团队对两类数据进行了如下预处理： 检测人脸及关键点。 根据关键点旋转校正人脸。 将关键点边界框按固定的比例扩张并裁剪出人脸区域。...团队开源了 204 张处理后的卡通画数据，用户还需准备约 1000 张人像照片（为匹配卡通数据，尽量使用亚洲年轻女性照片，人脸大小最好超过 200x200 像素），使用以下命令进行预处理： python
外国小哥Nathan Shipley使用卡通图像微调StyleGAN2和FFHQ 脸部模型(英伟达的模型可以制作出不存在的逼真人物) ，将这些真人视频转换成卡通版本。...作者Nathan Shipley是一个动画师和视觉特效艺术家，他表示从前需要几个星期的事情，现在只需要几分钟就能完成(至少对于低分辨率的人脸动画，在一些约束条件下，可以是这么快的速度) 将真实的奥巴马编码到...StyleGAN2和FFHQ使用「Layer Blending」来卡通化头像 FFHQ 模型是针对卡通人脸数据集进行微调的，结果是与初始 FFHQ 模型相混合的，控制整个脸型(眼睛大小等)的底层图层取自卡通模型...控制细节的层次取自于真实的 FFHQ 模型。 下面是一些示例图片，展示了Source、Tooned和Stylized的图片: 此外，作者一直在试图解决一个问题: 「使一张脸变卡通化的最佳方式是什么?」...图：StyleGAN2生成的人脸图像 StyleGAN2的主要改进包括： 生成的图像质量明显更好(FID分数更高、artifacts减少) 提出替代progressive growing的新方法，牙齿、
外国小哥Nathan Shipley使用卡通图像微调StyleGAN2和FFHQ 脸部模型(英伟达的模型可以制作出不存在的逼真人物) ，将这些真人视频转换成卡通版本。...作者Nathan Shipley是一个动画师和视觉特效艺术家，他表示从前需要几个星期的事情，现在只需要几分钟就能完成(至少对于低分辨率的人脸动画，在一些约束条件下，可以是这么快的速度) ?...StyleGAN2和FFHQ使用「Layer Blending」来卡通化头像 FFHQ 模型是针对卡通人脸数据集进行微调的，结果是与初始 FFHQ 模型相混合的，控制整个脸型(眼睛大小等)的底层图层取自卡通模型...此外，作者一直在试图解决一个问题: 「使一张脸变卡通化的最佳方式是什么?」，因此建立了一个新的数据集和模型来观察不同层次的训练和混合的结果。 以下是奥巴马总统的一幅漫画: ?...去年底，NVIDIA的研究人员发布了StyleGAN的升级版——StyleGAN2，重点修复artifacts问题，并进一步提高了生成图像的质量。 ? ? 图：StyleGAN2生成的人脸图像 ?
Face++入榜2017全球最具突破性品牌，人脸识别领域力压Facebook人脸团队；国资委与图灵机器人签订意向合作协议，打造人工智能卡通大使小新；捷通华声助力“汇付天下”，整合多渠道搭建智能客服。...2012年，旷视在人脸检测FDDB评测、人脸关键点定位300-W评测和人脸识别LFW评测上，接连拿下了这三项的世界第一。...在此次的“央企卡通之夜”庆典上，国资委新闻中心整合了各家央企的优势资源，大力推进监管的102家企业中21家央企卡通形象的文化传播工作。与会上，国资委的国资小新与图灵机器人签订了意向合作协议。 ?...在现场，20家央企的新媒体卡通形象，伴随着欢快的舞步，载歌载舞的依次进场，成为当之无愧的央企卡通之夜主角。...;寓意胜利、象征着东风车轮滚滚向前的东风汽车公司“风信子”;头顶“大烧瓶”，手舞仙女棒的中化集团“小化”;扬帆起航、带你去看星辰大海的中远海运“熊猫船长”;能力超穷、造型百变的中国建筑“蓝宝”机器人……
当时，这位专业动画师一接触到AI，就看中了AI搞艺术的“本事”——用GAN将一个视频中的人物动画化，只需要几分钟。 相比之下，如果用正常的软件进行动画制作，可能需要耗费一个动画师几周的时间。...不过，他很快发现，现有的这些AI人脸动画化的模型，做出来的卡通形象实在太丑。...不仅像是给正常的人脸加了美颜特效，卡通形象简直堪比迪士尼动画中的主角： 连奥巴马都“返老还童”，比开了美颜看起来还年轻。 而且，任何人都能控制这些卡通人物的表情，即使是提前录制好的视频也可以。...他利用迁移学习生成了一个7×6的表格，根据迁移学习的强度来生成不同风格的人脸。 也就是说，如果迁移学习强度越大，人物就会越接近卡通化，而迁移学习强度越小，人物就越接近真实形象。...不仅可爱的小朋友能被卡通化，而且还能根据眉毛和脸部特征构建一个女孩子的面部： 如果人物“长大”了，那么模式化出来的女孩子的面部，也会变得更成熟： 这份软件目前还没开源，因为看起来，这位视觉特效师对自己做出来的动画还不是太满意
随着时间的流逝，人们对某些事情的看法会不断改变。在软件开发这个行业，这个道理依然适用。作为一名程序员，Chris Kiehl 在工作 6 年后，他原有的许多想法有所改变，但也有一些保持不变的旧观点。...只要是为了修正行动路线，那么 Sprint 回顾就很有用，这并不是为了“敏捷”而敏捷，浪费大家的时间。 软件架构或许比其他任何东西都要来得重要。...一个好的抽象层，即使它的实现像一坨屎，也不会给项目带来纯粹的伤害。但是，一个糟糕的抽象层会让整个项目烂掉。 Java 并不是一种很糟糕的编程语言。 看似聪明的代码通常不是好代码。清晰度胜过一切。...遵循任何一种范式都可能写出糟糕的代码。 所谓的“最佳实践”是与实际情况相关的，并非广泛适用的。盲目追随它们会让你变成白痴。 在非必要的情况下去设计一个可伸缩的系统，这会让你成为一名糟糕的工程师。...添加太多的技术很少会是一个好的选择。 直接与客户沟通总是能以更少的时间和更高的准确性揭示出更多的问题。 “可伸缩”这个词对于软件工程师来说有着一种神秘而令人震惊的力量，足以让他们陷入一种堕落的疯狂。
结合真人数据，训练卡通人脸识别 团队提出了一种卡通和真人的多人物训练框架，主要包括分类损失函数、未知身份拒绝损失函数和域迁移损失函数三部分，如下图所示。 ?...至于域迁移损失函数，目的是降低卡通和真人域之间的差异性，对他们的相关性进行约束。 针对这个框架，研究者们探讨了三个问题：哪种算法最好？人脸识别是否有助于卡通识别？上下文信息对卡通识别是否有用？...从实验结果来看，ArcFace+FL的效果最佳，所以此次团队选用了这个算法。 ? 至于后两个问题的答案，也是肯定的。 从下图的蓝线来看，加上真人人脸识别的信息后，对于卡通检测的识别同样有帮助。 ?...至于上下文信息，团队也做了实验，下图是算法在卡通人脸基础上扩充不同比例下的性能识别。实验证明，上下文信息越丰富，人脸识别的效果也会更好。 ?...目前最大的卡通人物标注数据集 事实上，目前已有大量针对真人的人脸识别的技术和算法。 然而，针对二次元人脸识别的数据集依旧少之又少，大多数数据集存在着噪音比例大、数据量小的问题。
应用图片人脸融合技术后，用户输入一张已获得授权的人脸照片后，就能与经过授权的特定形象进行面部融合，生成融合用户形象特征的图片。...2 人像变换——玩转年龄与卡通的转换 人像变换是近年的热门特效，很多用户都玩得不亦乐乎，而这一直都是腾讯云AI产品最多的领域。...性别和年龄的变化 想要穿梭时空，重返童年模样或秒变沧桑老人？想要跨越性别，看看自己变成男生或女生的模样？只需输入一张已获得授权的照片就够了。...而近期在年龄变化效果上，团队保持着持续迭代，近期出了一个Pro版，在变10岁左右的小孩效果上会更加逼真，欢迎进入腾讯云官网体验。...3 人像分割——云游世界 腾讯云AI的人像分割技术是一个兼具可玩性和工具性的能力，能把人像从复杂的环境中分割出来，再替换上背景就搞定了！
将人脸卡通化的应用我们已经见过一些了，比如此前介绍过的 Toonify Yourself !，那么能不能反过来，将卡通形象变成「真人版」呢？...虽然五官相似，但头发有点非主流，看样子是把原图中的帽子转换成了头发…… 二代蜘蛛侠Miles及其经过转换后的真人版。 不光如此，他还把画作里的人物变「回」现实。...值得注意的是，pSp架构可以在没有任何标注数据的情况下，将人脸图像与正面姿态对齐，为模糊任务生成多模态结果，如基于分割图的条件人脸生成、基于低分辨率图像构建高分辨率图像。...对于基于草图生成高质量人脸图像任务，该研究对pSp、pix2pixHD、DeepFaceDrawing进行了对比，pSp实现了不错的效果： 对于基于分割图生成人脸图像的任务，研究者在CelebAMask-HQ...谷歌资深软件工程师、声纹识别与语言识别团队负责人王泉老师将介绍声纹识别技术相关基础知识，包括发展历程、听觉感知和音频处理相关基本概念与方法、声纹领域最核心的应用声纹识别等。
人脸对齐与特征点跟踪的过程中，遮挡和大的姿态变化是无可避免的，在跟踪过程中这往往带来特征点的跳变，影响用户体验。 ?...作者认为，出现人脸特征点距离真实位置偏移过大，是因为算法初始化时的特征点不够鲁棒，于是提出一种使用深度卷积网络粗略估计特征点位置，结合3D人脸姿态估计与重投影确定特征点初始位置，然后使用经典的回归树集成...通过深度学习+几何重投影方法初始化，结合传统特征点定位的回归模型ERT，在各个数据集上几乎都达到了最好的性能。 请看官方视频，在突然有遮挡的时候，特征点跳变明显减小。...2.计算3D人脸模型，通过POSIT计算人脸3D姿态，并将3D特征点使用计算得到的姿态矩阵重投影到人脸图像中，作为下一步的特征点提精的初始位置； ?...清华&商汤开源CVPR2018超高精度人脸对齐算法LAB，LAB比该文的精度要高。可能LAB发表的时候，该文作者没有看到。
这里的会员指的是iCartoonFace：一个卡通人脸识别的基准数据集，爱奇艺与此同时设计了卡通和真人多任务域自适应策略来提高卡通人脸识别的性能。...我们测试了对于卡通检测和卡通识别两个任务，人脸信息是否对卡通的检测识别有帮助。...从表2可以发现，与F-ArcFace(即ArcFace+FL)相比，本文提出的方法的人脸识别性能将略有提高，图6同样验证了加入人脸识别的数据后卡通检测的性能也能得到提高。...然而，在某些情况下仅仅依靠卡通人脸不足以区分不同的卡通人物。 我们测试了算法在卡通人脸基础上扩充不同比例下的性能如图7所示，图中表示了在包含更多的上下文信息下会获得更高的识别性能。...图7 在不同扩充比例下的CMC曲线 5 总结展望 爱奇艺开放了目前全球最大的手工标注卡通人物检测数据集与识别数据集iCartoonFace，包含超过5000个卡通人物、40万张以上高质量实景图片，这使得对卡通人脸识别技术的研究拥有了强有力的数据土壤
港中文、哈工大和腾讯优图的一篇最新研究，可以将人脸照片转化成如同手绘版的卡通图，甚至还能反向转换，将二次元的卡通图像，转换成现实中可能的样子。...将真实人脸照片转化成卡通图像，效果超越了CycleGAN。 还能转换成日漫画风，自带了热血青春的气息。...研究人员表示，通过在真实人脸和卡通人脸之间使用不成对的训练数据来生成人的卡通图片，是他们一直关注的领域。...但在此前，这项任务存在这巨大挑战： 真实和卡通人脸的结构属于两个不同的领域，外观相差很大。如果没有明确的对应关系，很难捕捉基本面部特征，并生成高质量卡通图片。...来看看整个模型的架构： 在上面这个架构中，研究人员只演示了从人脸到卡通图的翻译部分过程，但从卡通图到人脸的转换过程是类似的。 整体来说，这个转换过程分为3步。
一阶运动模型： https://github.com/AliaksandrSiarohin/first-order-model 他首先用卡通图像对StyleGAN2 FFHQ人脸模型（使现实的人看起来不存在的...模型混合发生在原始FFHQ模型与上面提到的fine-tune模型之间。控制宽泛细节的底层来自卡通模型，中间层和更精细的细节来自真实的人脸模型，这将在卡通形象的脸上生成逼真的细节。...AtreveteTeTe试图以此来解决一个关注度极高的问题：“卡通化人脸的最佳方法是什么？” 因此他建立了一个新的数据集和模型，以查看在不同层进行更多/更少模型训练和融合的结果。...他将奥巴马总统脸部的真实照片编码到原始FFHQ模型中，由新的混合网络生成卡通版奥巴马。 ? ? 从左到右表示迁移学习的时间更长 不少网友表示，“卡通版简直是年轻时期的奥巴马！”...，至少对低分辨率、在一定约束范围内的和带有某些伪造的人脸动画是可以实现的。
AI科技评论按：为了让你在聊天斗图中立于不败之地，谷歌使用机器学习技术，最新开发了一个可以让你用自拍生成个人专属表情包的工具，更新在自家聊天软件Allo上。...机器学习驱动的聊天表情 Google推出的Allo内置机器学习驱动聊天程序。是网络和艺术家合作的产品，想象一下，你的表情回复栏中，有一个按键——“自拍一键变表情”，它可以飞速自动生成你的“漫画版”。...最后，机器会自动生成22个你的表情。 该工具起源于一项内部研究项目，目的是想看看机器学习是否能用一张自拍照来生成一个即时的卡通人物。...于此同时，Daniel承认了会有新的表情图符推出，分别由不同的艺术家来完成，有着全新的风格。AI科技评论觉得，如果真将有这样一个新的表情包，能把自己幻化成一只可爱的狗狗?拜托，让这一天早日来到吧！...我们想得到更有效的方式达到目的，因为要将人脸转化成漫画将是一个反复漫长的过程。 为了给你的朋友们塑造一个你所期待的形象，我们和艺术团队一起创作了各种各样的元素。
低配手机也能用的Animoji 最有趣的功能当属“萌面Kmoji”，将视频中人物的头像变成虚拟卡通形象，一方面可以给视频增添乐趣，另一方面也可以帮助到那些不想露脸的用户。...类似苹果2017年推的Animoji功能，通过面部识别将用户脸上的细微表情，生成对应的卡通形象。 ? △ Kmoji版的快手网红手工耿 量子位也体验了一下“萌面Kmoji”的效果： ?...在这里，3D人脸重建需要借助快手内部的上万级3D人脸数据集，包含每个人的年龄段、人种、脸型和表情，通过人脸关键点识别技术，帮助3D人脸重建，不管你是哭着还是笑着都可以重现出来。...之后，因为生成的3D卡通图像是会随着人的表情而变化的，需要分析人脸表情，才能在卡通形象上展示出一模一样的表情。...这里需要通过2D的RGB视觉信息对问题进行建模求解，获得人脸关键点和实时重建的3D模型，把各种模态信息做建模、做对齐，求解出人脸的表情，驱动虚拟卡通形象做各种逼真的动作。
人脸检测历险记 可能跟我一样，人脸检测是很多人学习图像处理的第一个自驱动型的任务，OpenCV刚上手没几天可能就想先跑一跑人脸检测，然后一个坑接着一个坑的往里跳。...人脸卡通化 仅仅是人脸检测，显得略微有些没意思，所以在人脸检测的基础上，加点其他的更有意思的东西，比如上次刚玩过的卡通化。...代码细节可以到这个链接查看，这里只给出人脸检测之后和卡通化结合部分的代码： def face_detect(self, image, landmarks: bool, cartoon: bool...（参考上一节的CenterFace的__init__） 进行人脸检测，获取人脸框和人脸关键点的位置 稍微扩充下人脸框，进行卡通化操作 把卡通化后的人脸贴回原图中人脸的位置 完整效果 看一下完整的效果吧：...结语-玩一下 想要自己尝试实现的小伙伴，可以按照我给的链接找到源码位置自己跑跑试试。如果想要立刻就体验一下效果的话，想必你已经看出来了，这个人脸检测 & 卡通化已经被我做成了一个体验网页了。
变分自动编码器（(包含notebook和py源代码)。构建变分自动编码器（VAE），对噪声进行编码和生成图像。...Classification） 2.0: Julia（Chars74K）字母图像分类 2.1:交通标志图像分类 2.2:辛普森卡通图像角色分类 2.3:时尚服饰图像分类 2.4:人脸关键点辨识 2.5...3.4:袋鼠（Kangaroo）检测-YOLOv2模型训练与调整 3.5:双手（Hands）检测-YOLOv2模型训练与调整 3.6:辛普森卡通图象角色（Simpson）检测-YOLOv2模型训练与调整...Networks） 7.2:人脸识别-脸部检测、对齐&裁剪 7.3:人脸识别-人脸部特征提取&人脸分类器 7.4:人脸识别-转换、对齐、裁剪、特征提取与比对 7.5:脸部关键点检测（dlib） 7.6...基础知识 PyTorch基础知识 线性回归 Logistic回归 前馈神经网络 2、中级 卷积神经网络 深度残差网络 递归神经网络 双向递归神经网络 语言模型（RNN-LM） 3、高级 生成性对抗网络 变分自动编码器
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
