作者 | Trent

责编 | 郭 芮

自从每天P图出了猖獗变脸的殊效之后,到现在为止已经两年韶光了。
这两年韶光,每天P图多次凭借换脸殊效登上APP Store排行榜首,从小学生证件照到前世青年照、圣诞节梦幻妆再到后来的各种影视游戏殊效,以及后来的军装照等等等等,每天P图时时时地传遍朋友圈,火遍排行榜。

本文将剖析换脸这个模块,由于这个技能用深度学习来搞,个人认为潜力更大。
下面大略将换脸分为深度学习方法和传统方法来讲。

若何用深度进修 AI 美颜实现天天 P 图跋扈狂变脸算法  技能头条

深度学习方法

2016年的一篇论文Fast Face-swap Using Convolutional Neural Networks,通过卷积神经网络实现了换脸效果,如下图所示:

详细算法思路是:

人脸对齐(根据特色点将目标图像与模板图像中的人脸对齐);通过CNN进行换脸,网络构造如下:

定义内容丢失/风格丢失/光照丢失/平滑丢失代价函数,加入演习过程,来办理肤色光照不均,不平滑,内容不折衷的问题。
丢失函数如下:

该方法已经达到了一定的效果:

人脸领悟自然;侧脸效果要优于传统方法的效果;

但是仍旧具有以下弊端:

每个模版照片须要单独演习网络,造成模型数据弘大,演习耗时,模型变动麻烦等诸多问题;每个模型须要一个模板对应的多张不同姿态与光照条件的图像——单单这一点就很不利于产品化,在大多数情形下,我们是无法供应多张不同姿态与光照下的模板图像的;速率慢,本人的换脸算法是可以达到实时处理的。

个人认为,基于深度学习的方法在多角度侧脸的情形下,具有很强的上风,在肤色领悟方面与传统算法持平,在速率方面,未来将不是问题!

传统方法

本人紧张研究基于传统图像算法的换脸,本人预测每天P图基本上也是基于传统算法做的。

我们以每天P图效果举例来讲:

白百合的照片与右边的模板图比较,在脸型和五官位置上都发生了变革,也便是变的好看了很多,总结变革如下:

肤色变成了模板图的肤色;脸型变成了模板图的脸型;五官大小形状等发生了一定的变革.

据此推测,每天P图做了如下操作:

将白百合的肤色做了转换,换成了模板图的肤色;将白百合的脸型包括五官做了变形,变成了靠近模板图的形状。

把稳,这里是靠近模板图的形状,而并非是跟模板图完备一样的形状,网上很多做换脸的都是直接将人脸对齐到了模板中的形状,这是弗成的,脸型差异过大时,会造成畸变,效果很差。

本人算法步骤:

1、根据人脸特色点(本人利用的是101个人脸特色点),将模板和白百合的人脸同时变形到第三目标形状,变形算法利用MLS变形即可。

这一步骤可以分为如下两步:

直接将白百合人脸点位对齐到模板点位;将对齐后的白百合人脸五官与脸型进行美化或称美型;

这一步可以参考论文《Data-Driven Face Cartoon Stylization》,当然这一步也可以利用深度学习来做,个人认为效果要比这篇论文效果更好,随后本人会另写博客专门先容基于CNN的人脸美型。

MLS变形代码链接:

https://blog.csdn.net/hjimce/article/details/46550001

当然本人也有更好的变形:

https://download.csdn.net/download/trent1985/10318459

本人美型算法效果图如下:

2、基于LAB颜色空间对白百合和模板人脸肤色进行换色+领悟;

3、添加风格滤镜+美颜美妆。

对付美妆可以直策应用妆容迁移来做,效果很好,详细可参考:

https://blog.csdn.net/trent1985/article/details/70226779

https://blog.csdn.net/trent1985/article/details/79761444

本人妆容迁移效果如下:

上面便是本人传统换脸算法的过程,本人只管即便用最大略的算法去表现最好的效果,给出一个完全的算法过程效果图:

对付效果,大家可以利用白百合的测试图到本人的DEMO和每天P图中测试。
这里测试图在本人所给的DEMO中,大家可以自行测试。

下面给出本人算法与每天P图效果比拟图,这里仅以一组图为例:

<< 滑动查看下一张图片 >>

末了,指出每天P图肤色领悟的一些问题,对付某些照片,肤色领悟之后会涌现颜色偏绿问题,可能是某个颜色空间中颜色溢出导致,举例如下(左图为本人算法,右图为每天效果):

末了,本人给出本人猖獗变脸效果的DEMO,以免大家耳听为虚,DEMO运行平台为WINDOWS 8以上,DEMO中给有TestPicture为测试图,FS为每天P图的模板,仅供测试,切勿商业用场,以免侵权。
下载链接:https://download.csdn.net/download/trent1985/10410917。

PS:DEMO中无人脸识别,因此仅限本人所给测试图有效!
共勉!

作者:Trent1985,CSDN博客专家,本文来源于作者CSDN博客,原文链接https://blog.csdn.net/trent1985/article/details/80295532,CSDN "大众年夜众号经授权发布。
欢迎更多开拓者朋友通过下方联系投稿。