当前位置:首页科技新鲜事不用再找换脸教程了,飞桨PaddleGAN给你一键式体验

不用再找换脸教程了,飞桨PaddleGAN给你一键式体验

maliang
maliang 原创
2019-08-04 环球百事网

允中 发自 凹非寺

量子位编辑 | 公众号 QbitAI

前几天发布的一篇文章中我们曾提到国外的AI捏脸应用FaceApp引发大量关注。它能让人一键变成老人,一键返老还童,一键由男变女,一键破涕为笑,一键失去头发……

(*)

福布斯报道说,它在Google Play的下载量已经超过了1亿。

苹果用户也同样热情,App Annie数据显示,目前在121个国家的iOS商店排名第一。

看起来,这是一种神奇的黑科技,但是实际上,揭开神秘的面纱,技术本身并非遥不可及。从GAN的角度来探索解决这类问题,能做到什么样呢?

现在,飞桨核心框架Paddle Fluid v1.5宣布开源了PaddleGAN图像生成库,为用户提供易上手的、一键式可运行的GAN模型。

飞桨(PaddlePaddle)致力于让深度学习技术的创新与应用更简单。生成式对抗网络(GAN)近年来被广泛应用于无监督学习任务以及生成任务中,通过让两个神经网络相互博弈的方法进行学习,常用于生成以假乱真的图片、影片、三维物体模型等。欢迎大家来体验~

python infer.py
--model_net=Pix2pix
--init_model=$(path_to_init_model)
--image_size=256
--dataset_dir=$(path_to_data)
--net_G=$(generator_network)

执行以下命令得到StarGAN,AttGAN或者STGAN的预测结果:

以下效果均采用百度与哈工大联合开发的STGAN模型在飞桨开源的实现

(*)

(*)

看到标签是“Bald”的变脸照片,是不是很多读者感受到了一种来自骨髓的凉意,大家多保重!

PaddleGAN图像生成模型库覆盖当前主流的GAN算法,可简单上手各类GAN任务,也方便扩展自己的研究。

STGAN是由百度和哈工大联合研发的模型,提出STGAN方法用于图片/视频的端到端属性转换。对传统方法提出了两点改进,在celebA数据集上转换效果好于已有的方法:

本次PaddleGAN总共开源5个预训练模型。安装好飞桨环境后,可以下载预训练模型快速验证推理效果。

每个GAN都给出了一份测试示例,放在scripts文件夹内,用户可以直接运行测试脚本得到测试结果。

执行以下命令得到CyleGAN的预测结果:

python infer.py
--model_net=CycleGAN
--init_model=$(path_to_init_model)
--image_size=256
--dataset_dir=$(path_to_data)
--input_style=$(A_or_B)
--net_G=$(generator_network)
--g_base_dims=$(base_dim_of_generator)

执行以下命令得到Pix2Pix的预测结果:

下面送上真·干货(附代码)!

python infer.py
--model_net=$(StarGAN_or_AttGAN_or_STGAN)
--init_model=$(path_to_init_model)
--dataset_dir=$(path_to_data)

(*)

(*)

数据准备

模型库中提供了download.py数据下载脚本,该脚本支持下载MNIST数据集(CGAN和DCGAN所需要的数据集)以及CycleGAN和Pix2Pix所需要的数据集,使用以下命令下载数据:python download.py —dataset=mnist 通过指定dataset参数来下载相应的数据集。

StarGAN, AttGAN和STGAN所需要的Celeba数据集需要用户自行下载。

自定义数据集:用户可以使用自定义的数据集,只要设置成所对应的生成模型所需要的数据格式即可。

注意: pix2pix模型数据集准备中的list文件需要通过scripts文件夹里的make_pair_data.py来生成,可以使用以下命令来生成:python scripts/make_pair_data.py

—direction=A2B,用户可以通过设置—direction参数生成list文件,从而确保图像风格转变的方向。

提示:支持键盘“← →”键翻页 阅读全文
为你推荐
热门文章
关于我们
返回顶部