内容一览：昨日，日本男星星野源通过事务所公布申明，发表结婚，新娘正是被不少男粉丝奉为「老婆」的新垣结衣。

原创：HyperAI超神经

关键词：生成反抗网络   StyleGAN

「老婆嫁人了」、「星野源夺妻之痛」、「爷青结」……星野源和新垣结衣官宣结婚后，不少网友收回了如上感叹。

![二人曾独特出演日剧《回避可耻但有用》
剧中两位配角本来是“契约结婚”，后终成眷属](https://p3-juejin.byteimg.com...
二人曾独特出演日剧《回避可耻但有用》，剧中两位配角本来是“契约结婚”，后终成眷属

还有一波网友在坦然承受「失恋」现状后，转而关怀起新垣结衣和星野源的孩子来，惟恐孩子长得不像妈妈。

微博网友对二人孩子长相，体现出了极大关怀

借助开源模型 BabyGAN，咱们预测了新垣结衣和星野源将来孩子的长相。

「大河」是《回避尽管可耻但有用》剧中，二人孩子的名字。

依据 BabyGAN 的预测， 如果新垣结衣跟星野源的孩子是个女孩的话，那么不同年龄的大河可能长这样：

BabyGAN 生成的女儿成长动图

如果大河是个男孩的话，那么不同年龄的大河可能长这样：

BabyGAN 生成的儿子成长动图

BabyGAN 到底是何方神器

BabyGAN 是一个基于 StyleGAN 的儿童长相预测器， 能够基于编码器和生成器，输出父亲和母亲的图像，通过神经网络的解决后，生成或预测将来孩子的长相。

预测办法： 应用基于 GAN 架构的神经网络模型，从输出的父母图像中提取 latent representation，而后用算法将其按肯定比例混合，生成孩子图像。

父亲（左）、预测长相（中）、母亲（右）

利用 latency direction，能够扭转年龄、面部朝向、情绪及性别等参数。

我的项目地址请拜访 Here 

编码器请拜访 Here 

本教程次要演示了：

1、从本地加载训练好的 BabyGAN 模型

2、筹备父母单方图像，并获取其 latent representation

3、用模型生成孩子的面容

4、调整孩子的性别、年龄等参数，生成合乎需要的孩子图像

装置环境：Python：3.6；TensorFlow：1.15

调整孩子性别、年龄等属性的示意动画

注意事项：本教程举荐应用 GPU 运行

残缺教程请拜访 Here：

模型训练过程详解

1、筹备工作

2、筹备父母图像

3、生成孩子图像

4、生成具备某些特色的孩子图像

残缺教程请拜访 Here：

StyleGAN 相干的高赞开源我的项目

BabyGAN 模型基于 StyleGAN，除此之外，基于 StyleGAN 和 StyleGAN2，还派生出了诸多优质开源我的项目。

StyleALAE

StyleALAE 是一个基于 StyleGAN 生成器的反抗隐性主动编码器， 它不仅能够生成图像品质与 StyleGAN 相当的 1024 x 1024 人脸图像，而且在同样的分辨率下，还能够基于实在图像进行人脸重建和属性更改。

StyleALAE 架构示意图

StyleALAE 编码器应用 Instance Normalization (IN) 层来提取多尺度格调信息， 这些信息通过可学习的多重线性映射 (learnable multilinear map)，组合成隐式代码 w。

相干论文：Here

我的项目地址：Here

StyleFlow

尽管应用 StyleGAN 能够轻松生成高质量、多样化、真切的图像，然而应用（语义）属性管制生成过程、同时又放弃高质量输入，实现起来却并不简略。此外因为 GAN 潜在空间的纠缠个性， 沿着一个属性编辑很容易引起其余属性的变动。

为了解决纠缠潜在空间的条件化摸索中，属性条件化采样 (attribute-conditioned sampling) 和属性条件化编辑 (attribute- conditioned editing) 的问题， 科研人员提出了 StyleFlow。

利用 StyleFlow 能够针对某一属性进行批改，而不引起其余属性的变动，如只更改光照、姿态、表情、性别等

用 StyleFlow 对实在图像进行非程序 (non-sequential) 编辑，针对老年人、非对称等极其图像时，成果优于并发办法 (concurrent method)。

相干论文：Here

我的项目地址：Here

Pixel2style2pixel (pSp)

pSp 是一个用于图像到图像转换的 StyleGAN 编码器，它基于一个新型编码网络，能够间接生成一系列格调向量，这些格调向量被输出到预训练 StyleGAN 生成器中，造成扩大的 w+ 潜在空间。

在 pSp 中，编码器无需额定优化就能够间接将实在图像嵌入 w+ ，且利用编码器能够间接解决图像到图像的转换工作，并将其定义为从输出域到潜在域的编码问题。

pSp 在 StyleGAN 反演、多模态条件图像合成人脸侧面化、图像修复和超分辨率场景中的成绩展现

pSp 能够在不扭转构造的前提下，解决各种各样的图像转换工作， 如由宰割图生成人脸图像、人脸侧面化、超分辨率等。

相干论文：Here

我的项目地址：Here

GenForce

GenForce 是一个实用于 StyleGAN、StyleGAN2、PGGAN 等深度生成模型的高效 PyTorch 库， 它具备以下特点：

1、分布式训练框架

2、训练速度快

3、模块化设计，实用于新模型的原型制作

4、与官网 TF 版本相比，高度再现了 StyleGAN 的训练

5、蕴含泛滥带 Colab demo 的预训练 GAN 模型

相干论文：Here

我的项目地址：Here

对于 OpenBayes 

OpenBayes 是国内当先的机器智能钻研机构，提供算力容器、主动建模、主动调参等多项 AI 开发相干的根底服务。

同时 OpenBayes 还上线了数据集、教程、模型等泛滥支流公开资源， 供开发者疾速学习并创立现实的机器学习模型。

当初拜访 openbayes.com 并注册

即可享受

600 分钟/周的 vGPU

以及 300 分钟/周 的 CPU 收费计算时

快口头起来，用 BabyGAN 预测将来孩子长相吧！

残缺教程传送门：Here

Colab 传送门：Here.ipynb)