BlendGAN火了 ，一键cosplay各种动漫！

[MLPython]

点击 机器学习算法与Python学习 ，选择加星标

精彩内容不迷路量子位 报道 | 公众号 QbitAI

本文介绍的是来自快手的BlendGAN，而且这项工作还被顶会NeurIPS 2021接收。

论文地址：https://arxiv.org/pdf/2110.11728.pdf

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。（https://huggingface.co/spaces/akhaliq/BlendGAN）

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。

就在这两天，BlendGAN在GitHub上也已开源。

github地址：https://github.com/onion-liu/BlendGAN

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？

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。

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

福利时间

奖品：5本《机器学习算法入门与编程实践（基于Python•微课视频版）》

• 对机器学习算法的基本原理和Python程序实现进行系统的介绍，每种算法都采用sklearn程序实现并用Matplotlib进行数据可视化。为了帮助读者更加高效、直观地学习，作者为本书录制了11个微课教学视频，读者可以用手机扫描书中的二维码进行在线观看，也可以将视频下载后再观看。

• 共8章，包括机器学习概述、Python机器学习与可视化、关联规则与推荐算法、聚类、分类、回归与逻辑回归、人工神经网络、支持向量机。

参与方式：本文文末留言，随便聊，留言最走心的5位小伙伴分别送一本机器学习算法入门；

开奖时间：2021年12月13号12点（如有问题可联系小助手wx：MLAPython）

PS：感谢机械工业出版社~

觉得不错，请点个在看呀