好久沒(méi)出趣味 AI 的教程了，今天安排一期。
只需要一張圖片或者視頻，就可以生成相應(yīng)的二次元“老婆”。
感受一下：
放個(gè)視頻，感受更強(qiáng)烈：
GANsNRoses展示
二次元“老婆”，是跟隨視頻的動(dòng)作，而改變的。
之前我寫過(guò)一階運(yùn)動(dòng)模型的算法教程：
讓圖片動(dòng)起來(lái)，特朗普和蒙娜麗莎深情合唱
功能看起來(lái)類似，但是算法實(shí)現(xiàn)是不同的。
真人驅(qū)動(dòng)動(dòng)漫圖片的算法，這種效果比較好：
二次元的正確打開(kāi)方式
這個(gè)動(dòng)畫臉控制變換算法，采用的是 GAN，只需要一個(gè)輸入即可，生成+控制，用這一個(gè)算法即可。
GANsNRoses
這個(gè)算法的名字叫 GANsNRoses，一種風(fēng)格遷移算法。
簡(jiǎn)單來(lái)講，就是一種以人臉圖像的內(nèi)容代碼為輸入并輸出具有多種隨機(jī)選擇風(fēng)格代碼的動(dòng)漫形象。
算法實(shí)現(xiàn)也并不復(fù)雜：
生成器負(fù)責(zé)生成動(dòng)畫臉，辨別器負(fù)責(zé)辨別是否為動(dòng)畫臉。
生成器分為內(nèi)容編碼器c和樣式編碼器s。
樣式編碼器s，負(fù)責(zé)整體的風(fēng)格，比如頭發(fā)樣式，臉的位置，發(fā)色等。
內(nèi)容編碼器c，負(fù)責(zé)細(xì)節(jié)的把控，比如頭部?jī)A斜角度等。
想了解更詳細(xì)，可以直接看論文：
https://arxiv.org/pdf/2106.06561.pdf
測(cè)試
目前有三種方式：
網(wǎng)頁(yè) Demo
Colab
本地搭建
網(wǎng)頁(yè) Demo
網(wǎng)頁(yè) Demo，用起來(lái)最簡(jiǎn)單，上傳圖片就行。
https://gradio.app/g/AK391/GANsNRoses
不過(guò)貌似只支持圖片的制作。
測(cè)試了龍母的效果，她看了估計(jì)會(huì)哭暈在廁所。
Colab
Colab 運(yùn)行也很簡(jiǎn)單，有個(gè)梯子就行。
https://colab.research.google.com/github/mchong6/GANsNRoses/blob/main/inference_colab.ipynb
省去了部署環(huán)境的煩惱，傻瓜式運(yùn)行即可，圖片和視頻，都可以測(cè)試。
本地搭建
主要是搭建環(huán)境，這個(gè)直接用 Conda 創(chuàng)建虛擬環(huán)境，然后安裝各種第三方庫(kù)即可：
conda install --yes -c pytorch pytorch=1.7.1 torchvision cudatoolkit=<CUDA_VERSION>
pip install tqdm gdown kornia scipy opencv-python dlib moviepy lpips aubio ninja
Conda 使用可以參考這一篇：
別再折騰開(kāi)發(fā)環(huán)境了，一勞永逸的搭建方法
然后下載模型權(quán)重文件，就可以，模型權(quán)重文件還是蠻大的，1.6G，從 Google Drive 下載比較慢，建議直接用 Colab 測(cè)試。
總結(jié)
這種算法，其實(shí)蠻多的，單從效果來(lái)講，還有很大提升空間的。
最后，我看B站有個(gè)up主，籽岷自己做了鬼畜，新寶島版：
GANsNRoses展示2
目前，這類算法，做個(gè)鬼畜其實(shí)還行。
最后再送大家一本，幫助我拿到 BAT 等一線大廠 offer 的數(shù)據(jù)結(jié)構(gòu)刷題筆記，是一位 Google 大神寫的，對(duì)于算法薄弱或者需要提高的同學(xué)都十分受用：
谷歌和阿里大佬的Leetcode刷題筆記
以及我整理的 BAT 算法工程師學(xué)習(xí)路線，書(shū)籍+視頻，完整的學(xué)習(xí)路線和說(shuō)明，對(duì)于想成為算法工程師的，絕對(duì)能有所幫助：
我是如何成為算法工程師的，超詳細(xì)的學(xué)習(xí)路。
