一键Cosplay各路动漫人物，快手算法工程师开发的这个BlendGAN火了

　　动漫、艺术作品里的人物，他们极具张力的形象往往给人们留下深刻的印象。
　　但如果说现在，你也可拥有他们的同款造型呢？
　　没错，依旧来自是＂无所不能＂的对抗生成网络（Generative Adversarial Network，以下简称为 GAN）。
　　只要把你 pick 好的形象＂投喂＂进去，接下来妆发的工作交给它就行了：
　　红的、黄的、蓝的、白的…… 发色随意改变，风格也随之变换。
　　这就是来自快手的 BlendGAN ，而且这项工作还被顶会 NeurIPS 2021 接收。
　　而与以往＂变妆＂GAN 不同的是，BlendGAN 号称能驾驭的风格是 —— 任意 ！
　　是有种＂百变大咖秀＂的那味了。
　　于是乎，这个项目成功在网上引起了众多网友的围观。
　　如何丝滑变妆？
　　那么，怎样拥有动漫人物同款造型呢？
　　很简单，只需要准备 2 张照片：
　　一张生活照
　　一张动漫人物造型
　　现在在 Hugging Face 里已经有了在线可玩的 demo。
　　最简单的办法就是把这两张照片上传进去，等待一会儿就可以出结果了。
　　当然，稍微＂技术＂点的方法就是自己跑一遍程序了。
　　就在这两天，BlendGAN 在 GitHub 上也已开源。
　　首先需要下载一些预训练模型，包括 BlendGAN 模型、PSP 编码器模型和 Style 编码器模型。
　　然后仅需几句 Python 代码，便可出效果。
　　例如用随机人脸代码生成图像对，就输入：pythongenerate_image_pairs.py--size1024--picsN_PICS--ckpt./pretrained_models/blendgan.pt--style_img./test_imgs/style_imgs/100036.png--outdirresults/generated_pairs/reference_guided/
　　若是要给照片换风格，则输入：pythonstyle_transfer_folder.py--size1024--ckpt./pretrained_models/blendgan.pt--psp_encoder_ckpt./pretrained_models/psp_encoder.pt--style_img_path./test_imgs/style_imgs/--input_img_path./test_imgs/face_imgs/--outdirresults/style_transfer/
　　要生成插值视频，则：pythongen_video.py--size1024--ckpt./pretrained_models/blendgan.pt--psp_encoder_ckpt./pretrained_models/psp_encoder.pt--style_img_path./test_imgs/style_imgs/--input_img_path./test_imgs/face_imgs/--outdirresults/inter_videos/为什么可以 hold 住任意风格？
　　那么快手的这个 BlendGAN，为什么可以同时驾驭这么多的风格？
　　据研究介绍，团队首先是利用灵活的混合策略和通用的艺术数据集，来生成任意样式化的脸。
　　具体来说，就是在通用艺术数据集上，训练一个自监督 Style 编码器来提取任意样式的表示。
　　在生成器部分，则提出了一种叫做加权混合模块(WBM)  的方法，来隐式混合人脸和样式表示，并控制任意的程式化效果。
　　以往诸如 StyleGAN2 在这个步骤中，不同分辨率层（resolution layer）负责生成图像中的不同特征，而团队认为它们在不同层的混合权值不应当是一致的。
　　因此，研究人员将人脸和风格 latent 代码转换到它们的 W 空间，然后再由 WBM 进行一个组合的工作。
　　由此得到的结果显示，与以往方法比较，BlendGAN 能够得到更加逼真的效果。
　　作者介绍
　　本文的通讯作者是 Li Qiang，现任快手 Y-tech 的算法工程师。
　　本科和硕士就读于华中科技大学；博士毕业于悉尼科技大学，师从陶大程教授。
　　其主要研究方向为深度学习、机器学习和概率图形模型，对卷积神经网络、深度生成模型、表示学习和结构化预测感兴趣。
　　最后，想试试变妆的小伙伴，可以戳下方链接体验一下。
　　在线试玩：点此直达