关于人工智能:StyleGAN-调整面部表情让虚拟人脸更生动

通过上一篇文章 StyleGAN 生成的人脸：https://segmentfault.com/a/1190000043559982
人脸图片都是比拟中规中矩的，如果可能给人脸减少一些表情的话，会让人脸显得更加的天然和真切
那么调整人脸的年龄、颜值、笑容、情绪等细节，就显得十分的重要了

在上一篇文章中，咱们晓得生成人脸是通过 main.py 这个程序
其实在我的项目 main.py 同级目录下，还有一个 edit_photo.py 程序
这个程序就是用来调整生成的人脸的表情的
只有略微这个程序的源码就能够晓得，它扭转人物的表情次要是通过 main.py 生成图片的同时，也会生成每个人物的潜码，保留在 results\generate_codes 文件夹上面
扭转人脸细节次要通过潜码去批改，从源码中晓得能够自定义年龄、人脸角度、笑容、人脸宽高、脸型、戴眼镜还有各种情绪都是能够去扭转的
源码中默认抉择 networks/generator_star-stylegan2-config-f.pkl 明星人脸模型，并且通过第 9 个潜码 0008.txt，去批改第 9 张图片的 age.npy，也就是年龄图
其中 direction_file = 'age.npy' 就是能够自定义扭转人脸调整的方向
其中 networks/generator_star-stylegan2-config-f.pkl 要跟第一步生成人脸图片的模型对应上
其中 read_feature('results/generate_codes/0008.txt') 就是你想抉择调整的是哪一张图片
其中 coeffs = [-15., -12., -9., -6., -3., 0., 3., 6., 9., 12.] 就是你想调整的程序，一个元素对应一张图片，所以处理结果也会生成对应的 10 张图片

def main():
    # 在这儿抉择生成器
    tflib.init_tf()
    with open('networks/generator_star-stylegan2-config-f.pkl', "rb") as f:
        generator_network, discriminator_network, Gs_network = pickle.load(f)

    # 这是一些配置参数，不要动它
    w_avg = Gs_network.get_var('dlatent_avg')
    noise_vars = [var for name, var in Gs_network.components.synthesis.vars.items() if name.startswith('noise')]
    Gs_syn_kwargs = dnnlib.EasyDict()
    Gs_syn_kwargs.output_transform = dict(func=tflib.convert_images_to_uint8, nchw_to_nhwc=True)
    Gs_syn_kwargs.randomize_noise = False
    Gs_syn_kwargs.minibatch_size = 1
    truncation_psi = 0.5

    # 在这儿抉择人物的潜码，留神要与生成器相匹配。潜码来自生成目录下有个 generate_codes 文件夹里的 txt 文件。face_latent = read_feature('results/generate_codes/0008.txt')
    z = np.stack(face_latent for _ in range(1))
    tflib.set_vars({var: np.random.randn(*var.shape.as_list()) for var in noise_vars})  # [height, width]
    w = Gs_network.components.mapping.run(z, None)
    w = w_avg + (w - w_avg) * truncation_psi

    # 在这儿抉择调整的方向，共有 21 种调整形式，它们的名称与别离对应的性能如下所示。'''
        age.npy - 调整年龄
        angle_horizontal.npy - 在左右方向上调整人脸角度
        angle_vertical.npy - 在高低方向上调整人脸角度
        beauty.npy - 调整颜值
        emotion_angry.npy - 调整此项可削减 / 削弱一些怄气的情绪（调整步幅倡议放大）emotion_disgust.npy - 调整此项可削减 / 削弱一些讨厌的情绪（调整步幅倡议放大）emotion_easy.npy - 调整此项可削减 / 削弱一些平静的情绪（调整步幅倡议放大）emotion_fear.npy - 调整此项可削减 / 削弱一些胆怯的情绪（调整步幅倡议放大）emotion_happy.npy - 调整此项可削减 / 削弱一些开心的情绪（调整步幅倡议放大）emotion_sad.npy - 调整此项可削减 / 削弱一些伤心的情绪（调整步幅倡议放大）emotion_surprise.npy - 调整此项可削减 / 削弱一些诧异的情绪（调整步幅倡议放大）eyes_open.npy - 调整眼睛的闭合水平
        face_shape.npy - 调整脸型
        gender.npy - 调整性别
        glasses.npy - 调整是否戴眼镜
        height.npy - 调整脸的高度
        race_black.npy - 调整此项可靠近 / 远离向黑种人变动
        race_white.npy - 调整此项可靠近 / 远离向白种人变动
        race_yellow.npy - 调整此项可靠近 / 远离向黄种人变动
        smile.npy - 调整笑容
        width.npy - 调整脸的宽度
    '''direction_file ='age.npy'  # 从下面的编辑向量中抉择一个

    # 在这儿抉择调整的大小，向量外面的值示意调整幅度，能够自行编辑，对于每个值都会生成一张图片并保留。coeffs = [-15., -12., -9., -6., -3., 0., 3., 6., 9., 12.]

    # 开始调整并保留图片
    move_latent_and_save(w, direction_file, coeffs, Gs_network, Gs_syn_kwargs)

运行后果会寄存在 results\age 文件夹中
能够依据图片去做一个突变的视频，比方人物年龄从儿童转变到老龄，视觉效果很不错

关于人工智能:StyleGAN-调整面部表情让虚拟人脸更生动

🎈 人脸表情

🎈 调整步骤

🎈 调整后果