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”的对抗生成网络（Generative Adversarial Network，以下简称为 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：点此直达
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。