GitHub 又一黑科技项目面世！网友惊呼：这也太强了_人脸融合 开源

本文转载自GitHub技术社区

不知道如何表白？送花吃饭太没新意又太露骨？

今天小G给大家介绍一个 AI 黑科技，能够完美融合任意两张人脸，并带有丰富的表情，让你不仅凡尔赛地炫个技，还能巧妙风趣地表个白：我觉得咱俩挺合适，可以一起为人类向更美的方向进化作出杰出贡献。

不信？你看 AI 生成的可爱的 bb 们 (๑^ں^๑)

还没看够？再给大家看一张飞桨小伙伴们的融合大乱斗！

想要马上看到后代长相？还不快去项目首页体验一下！！！

https://github.com/PaddlePaddle/PaddleGAN/blob/develop/README_cn.md

这还不够？还需要具体的实现步骤？小G通通满足你！

原理大揭秘

这个炫酷的黑科技是由开源界频上 Trending 的飞桨生成对抗网络套件 PaddleGAN 所提供，里面内置的 StyleGAN V2 与 FOM 分别实现人脸融合与让人脸动起来的效果。

PaddleGAN 中提供的人脸融合能力是由 StyleGAN V2 以及新增的 Fitting 和 Mixing 模块组成的。

• Fitting 模块是根据已有的图像反推出解耦程度较高的风格向量，可用于人脸融合、人脸属性编辑等任务中。

• Mixing 模块是对上述 Fitting 模块中生成的风格向量实现不同层次和比例的混合。

• StyleGAN V2 则根据 Mixing 模块中生成的混合向量生成新的人脸。

因此，人脸融合任务可以分为三个步骤进行实现：

1. Fitting 模块提取两张人脸图片的风格向量

2. Mixing 模块对两种风格向量进行混合

3. StyleGAN V2 根据混合后的风格向量生成混合后的人脸

实操步骤

STEP 1：

Fitting 模块提取人脸向量，并重新生成人脸

只需修改两个参数：

• input_image：人脸照片原图路径，注意最好是自拍和大头照，无眼镜效果更佳噢～

• output_path：新生成的人脸照片的存放路径，后续需要放在 Mixing 和生成的模块中使用

另外，因为是两张照片融合，需要两次替换 input_image 和 output_path 的路径，分别运行以下命令，即可成功提取两张人脸的风格向量，用于后续的融合～

效果如下：

STEP 2&3：

Mixing 模块融合向量，StyleGAN V2 生成新人脸

只需要更改三个参数：

1. latent1：STEP2 中提取的一张人脸的风格向量（STEP2 中的 output_path 路径）

2. latent2：STEP2 中提取的一另张人脸的风格向量（STEP2 中的 output_path 路径）

3. output_path：两张脸融合的新人脸照片保存的路径

 BONUS：让人脸 “动” 起来 

新版的 PaddleGAN 中提供的 First Order Motion 算法全面升级，不仅能够将人物 A 的脸部动作搬移到人物 B 脸上，让人物 B 的脸完美演绎人物 A 的表情：

还支持让视频清晰度提升一倍，同时新增人脸增强特效，丰富地刻画了脸部细节，使得脸部动态表情栩栩如生！

在本项目中，可自制脸部动作视频（驱动视频），让你的后代拥有你为 TA 专属定制的表情～

* 贴心的 PaddleGAN 为小伙伴们准备了完整项目代码，请到项目首页查看吧！

https://github.com/PaddlePaddle/PaddleGAN/blob/develop/README_cn.md

至此，两张不同的人脸就实现了完美的融合，并生动形象地出现在了我们的眼前～

还在等什么呢？快来一睹后代真容吧！

PaddleGAN AI 能力大揭秘

难道 PaddleGAN 还有啥其他厉害的能力？

小G上项目首页转了一圈发现，人脸融合、人脸表情迁移竟然只是 PaddleGAN 数十种能力的一种， PaddleGAN 还提供语音转唇形（声音对口型）、视频 / 照片修复（上色、超分、插帧）、人脸动漫化、照片动漫化、图像生成、图像风格迁移等十余种能力，令人大开眼界！

让我们一睹为快吧～

「带着珍珠耳环的少女」播新闻：

百年影像上色、插帧、提高分辨率：

照片动漫化：

人脸动漫化：