Interesante generación de caras de proyecto
Esta vez, en lugar de jugar, juguemos a un proyecto de aprendizaje profundo.
El proyecto que les recomendé esta vez es la generación de rostros. En términos generales, me siento bastante satisfecho después de usar este proyecto. Primero echemos un vistazo al efecto.
Creo que lo veré. El efecto. Las personas a las que les gustan las imágenes se sorprenderán con el efecto de la inteligencia artificial para sintetizar imágenes. Estas no son personas que existen en la vida real. No esperaba que pudieran nacer muchas damas hermosas y hermanos guapos. (
Pero este proceso también tiene fallas, como los siguientes puntos.
Es obvio que algo anda mal con la generación de las manos y la boca de este niño, y también de sus oídos. Parecen orejas de duende Del mismo modo, el modelo del proyecto aún necesita mejorarse, así que echemos un vistazo a cómo se usa este proyecto.
En vista de la lentitud del inicio de sesión en Github en China continental. si quieres la versión completa del proyecto, puedes enviármela.
- Soporta Linux y Windows. Por razones de rendimiento y compatibilidad, se recomienda Linux
<. p> - Instale Python 3.6.3 de 64 bits o una versión más reciente de Anaconda3- Admite TensorFlow 1.14 o 1.15 en GPU. El código no es compatible con TensorFlow 2.0. TensorFlow 1.14 o 1.15 en GPU 2.0.
p>- En Windows, necesitas usar TensorFlow 1.14 - TensorFlow 1.15 no funcionará
- Una o más GPU NVIDIA de alta gama. , programa de controladores NVIDIA, kit de herramientas CUDA 10.0 y cuDNN 7.5
- Usuarios de Docker: utilice el Dockerfile proporcionado para crear una imagen que contenga las dependencias necesarias
- En Windows, se requiere compilación. Microsoft Se recomienda instalar Visual Studio Community Edition y agregar "C:\Program Files (x86)\" a la RUTA Microsoft Visual Studio\2019\Community\VC\Auxiliary\Build\vcvars64.bat".
1. python3.6
2.TensorFlow1.14 pero no puede usar TensorFlow2.0 o una versión superior
3. Instale la tarjeta gráfica NVIDIA CUDA10.0 e instale cuDNN7.5, se recomienda una tarjeta gráfica de 16G o superior (se puede ignorar si no hay capacitación)
4. Este archivo necesita configurar variables de entorno
Haga clic en el botón "Editar" para configurar. el software anterior en él >
Win10, 1050Ti, CUDA 10.0, CuDNN 7.6.5, tensorflow-gpu 1.14.0, VS2017 pueden funcionar perfectamente.
windows
Abre cmd y escribe
python X:///path/generate_amarillo.py
Estará en el resultado archivo Genera la imagen y genera el código
Abre generate_amarillo con un editor.
generate_num controla el número de imágenes generadas.
Si desea editar el color, la apariencia y la expresión de la piel, puede utilizar el siguiente script de edición de atributos faciales.
Abre play_with_dlatent.py, hay 4 lugares para configurar en la siguiente sección:
1. La Figura 1 configura el directorio donde se encuentra el generador, por ejemplo, correspondiente a la estrella La configuración del generador para la cara es 'model/generator_asian_star.pk', la configuración del generador es 'model/generator_asian_star.pk' y la configuración del generador es 'model/generator_asian_star.pk'. star.pkl', pero tenga en cuenta que el archivo generador_asian_star.pkl debe colocarse en la carpeta del modelo.
2. La Figura 2 establece el código latente correspondiente que debe ajustarse para la cara. El código latente se obtiene de la carpeta generate_codes en el directorio del generador, que es el archivo txt correspondiente a los caracteres generados. El siguiente es un ejemplo.
Por ejemplo, la imagen de arriba muestra 20 niños generados por el generador de caras lindas. Creo que 0007 entre ellos es muy bueno y quiero editarlo, así que encontré el código de generación del niño en la carpeta generate_code: 0007. .txt, cópielo en el directorio input_latent en el editor de atributos de cara y modifique el código latente en el código.
3.
3. Figura 3 Para establecer la dirección de ajuste, angle.npy se puede cambiar a los 5 modos preestablecidos, como smile.ny.
4. Figura 4 Establezca el tamaño de ajuste. El valor en el vector representa el rango de ajuste. Puede editarlo usted mismo. Cada valor generará y guardará una imagen.
5. Una vez completada la configuración, ejecute python play_with_dlatent.py y verá los resultados en la carpeta de resultados.
Todos estos generadores parecen un poco aterradores, pero todavía están muy lejos de ser verdaderamente comerciales. Si realmente desea influir en la industria visual tradicional, hay al menos dos problemas que deben resolverse: 1. Es necesario mejorar las tecnologías de soporte relevantes, como la implantación de rostros, el control de precisión del maquillaje, la animación y la síntesis de cuerpo completo, etc. .; 2. Cómo centrarse en grupos de usuarios finos La construcción de un sistema de servicios de tecnología generativa específica también requiere exploración.