时间魔法，HyperStyle算法给你“返老还童”的真实体验

本文主要是介绍时间魔法，HyperStyle算法给你“返老还童”的真实体验，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

来源：Jack Cui

今天给大家分享一个新算法 「HyperStyle」。

人脸编辑再得一分，牛逼！

「HyperStyle」还要更逼真一些，直接上效果：

一个美女：

算法可以一键"返老还童"：

这效果，你打几分？

可以变年轻，当然也可以反向操作。

一键变老：

再比如换个发型：

最后放一张整体效果图吧：

除了这些，还能进行直接的人脸编辑，戴个眼镜，调整个脸的角度，去个皱纹啥的都可以。

还可以进行动漫风格迁移：

HyperStyle

算法刚开源一周，我就马不停蹄地分享给大家了。

项目地址：

https://github.com/yuval-alaluf/hyperstyle

这脸啊，我算是玩明白了！

这类算法，都是基于 StyleGAN v2 实现的。

为了照顾一些新朋友，这里再说下，我曾经讲解过的基本原理。

整个算法的思想就是，在隐空间（latent space）控制隐藏特征（latent code）来控制图片的属性。

简单点解释就是，一副人脸图片，是由多维特征组成的，比如年龄、性别、光照、肤色、发质等。

为了更好的对数据进行分类或生成，需要对数据的特征进行表示，但是数据有很多特征。

这些特征之间相互关联，耦合性较高，导致模型很难弄清楚它们之间的关联，使得学习效率低下，因此需要寻找到这些表面特征之下隐藏的深层次的关系，将这些关系进行解耦，得到的隐藏特征，即 latent code。

由 latent code 组成的空间就是 latent space。

HyperStyle 就做了这么一件事，解耦特征，控制特征。

算法运行

算法运行，有一定基础的话，很简单。

搭建环境、下载权重、运行算法。

配置好，就可以直接运行了：

python scripts/run_domain_adaptation.py \
--exp_dir /path/to/experiment \   
--checkpoint_path=experiment/checkpoints/best_model.pt \
--data_path=/path/to/test_data \
--test_batch_size=4 \
--test_workers=4 \
--load_w_encoder \
--w_encoder_checkpoint_path=pretrained_models/faces_w_encoder.pt \
--restyle_checkpoint_path=pretrained_models/restyle_e4e_ffhq_encode.pt \
--finetuned_generator_checkpoint_path=pretrained_models/pixar.pt \
--n_iters_per_batch=2 \
--restyle_n_iterations=2

具体的步骤，可以看下项目的 readme。

不想搭建环境的话，作者还提供了 Colab，可以直接使用。

当然，用这个得会科学上网。

环境搭建不会的，可以看我之前写过的教程。

Conda环境搭建

以及这篇文章的环境搭建部分的内容：

深度学习实战教程：语义分割基础与环境搭建

如果还是不懂，妥！

等我视频吧，我一定教懂~

总结

熬夜肝文，求个再看啦~

感觉不过瘾，可以到这里看看我的历史文章。

这篇关于时间魔法，HyperStyle算法给你“返老还童”的真实体验的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！