0
萬圣節(jié)要來了！
兩千多年前，凱爾特人相信，嚴寒的第一天，故人的亡魂會回到故居地在活人身上找尋圣靈，借此再生，這是人死后獲得重生的唯一希望。
而活人則懼怕死人的靈魂來奪生，于是在10月31日這一天人們熄調(diào)火爐，把自己打扮成「妖魔鬼怪」把魂靈嚇走。
后來，歐洲基督教會便把11月1日定為“萬圣節(jié)”，并一直延續(xù)到了今天。
不過，如今萬圣節(jié)已經(jīng)變成了人們娛樂、惡搞的節(jié)日，人們尤其熱衷于制造詭異的面部妝效捉摸朋友。
但通常一個令人驚恐的“喪尸妝”要花費十幾個小時，多少有些讓人頭疼。
那么，有什么方法可以一鍵生成驚悚的喪尸妝呢？
現(xiàn)在距離萬圣節(jié)還有3天，但小編已經(jīng)在國外社交網(wǎng)絡(luò)上發(fā)現(xiàn)一大波喪尸照，我們來一起感受下~
美國女演員碧昂絲·諾利斯
美國演員、歌手威爾 · 斯密斯
emmm，妝效過于專業(yè)了。
難道新一季《行尸走肉》又要開播了？還換了演員？
還有兩位總統(tǒng)候選人約瑟夫·拜登和唐納德·特朗普，恐怖又覺得有點搞笑......
看到這里，有朋友可能會想到這些圖片應(yīng)該是來自網(wǎng)友們的惡搞。
是的，這些真·喪尸全部出自一款『喪尸生成器』，只需輸入一張照片就可以立刻生成一張喪尸照，而且妝效感人......
不知道大家還記不記得，之前小編曾報道過一款換臉網(wǎng)站Toonify，這個網(wǎng)站可以把人臉切換成動漫臉，效果非常逼真，上線當天訪問量就超過了25萬。它效果是這樣的：
體驗地址：https://toonify.justinpinkney.com/
大眼萌臉，妥妥地定制化漫畫臉，正是這款變臉網(wǎng)站，激發(fā)了Josh Brown Kramer的靈感。
既然一張照片可以秒變迪士尼公主，是不是也可以讓它秒變喪尸呢？
因此，這位程序員小哥借鑒了Toonify的核心技術(shù)，開發(fā)了這款『喪尸生成器』，而且為了方便大家使用，也做成了網(wǎng)站形式，可免費使用。
聽到這里是不是迫不及待想要體驗一下了？
該網(wǎng)站名為Make Me A Zombie。操作簡單，出圖很快。
https://makemeazombie.com/
只需要點擊鏈接，選擇Browse輸入一張人臉圖片，點擊藍色圖標即可。
小編沒忍住用愛豆們的照片先體驗了一番，結(jié)果.....
不得不說，王一博喪尸臉也是帥的[傲嬌]
欣欣子.....emmm還是在承受范圍內(nèi)的。
不過，馬爸爸這張[大笑]，感覺特效化妝師都畫不出這樣的妝效。
言歸正傳，經(jīng)過幾張圖片測試，小編也發(fā)現(xiàn)兩個問題。一是生成器只針對面部進行識別和處理，如果輸入全身圖，系統(tǒng)會自動刪除多余的部分，只生成一個人臉照。
二是輸入人臉照的生成效果比全身照更好，而且圖片越清晰效果也就越好。
有了這個“喪尸生成器”，萬圣節(jié)不愁惡搞別人的“鬼照”了[奸笑]
Kramer介紹稱，該模型的開發(fā)與 Toonify 并無關(guān)聯(lián)，但使用的是相同的技術(shù)棧，即StyleGAN2.
StyleGAN是當前最先進的高分辨率圖像合成方法，由英偉達在2018年首次推出。該方法可生成逼真的人臉圖像，其在FFHQ（Flicker-Faces-HQ）數(shù)據(jù)集上的表現(xiàn)，遠超DCGAN和ConditionalGAN。
但StyleGAN也存在明顯的缺陷，即易出現(xiàn)斑點似的偽影(Artifacts)。
去年12月，英偉達在StyleGAN原有架構(gòu)基礎(chǔ)上進行了改進，并于CVPR 2020大會上推出升級版StyleGAN2。
除了消除偽影外，StyleGAN2的一項重大更新是風格遷移（Style Transfer）技術(shù)。
該研究團隊在論文《分析和改善StyleGAN的圖像質(zhì)量》中指出，“總體而言，我們改進的模型在現(xiàn)有的分布質(zhì)量指標和感知的圖像質(zhì)量方面都重新定義了無條件圖像建模的最新技術(shù)。”
簡單來說，該模型可以使用遷移學習技術(shù)生成各種風格的肖像，突破了圖像合成的風格限制。我們現(xiàn)在通常看到的人臉動漫化，或者動漫臉真人化本質(zhì)都是利用的這張技術(shù)。
例如：這是利用StyleGAN2在五種動漫和動物角色之間的無縫切換。
Kramer利用這項技術(shù)創(chuàng)建了一個混合型 StyleGAN2 模型。其中，該模型前層為人類圖像生成器，后層為喪尸生成器。在數(shù)據(jù)集方面，人類圖像生成器采用的是高質(zhì)量的人臉數(shù)據(jù)集FFHQ，它包含70,000張PNG圖像，分辨率達1024x1024；僵尸生成器的訓練數(shù)據(jù)是一組包含300張萬圣節(jié)僵尸裝扮的人的圖像，主要來自Pinterest和Google，并對其進行了手動檢測刪除了非僵尸圖像。
最后，在借鑒《StyleGAN2 Distillation for Feed-forward Image Manipulation》論文后，Kramer轉(zhuǎn)存了50000 個圖像對（分別來自人類生成器和喪尸生成器），并使用 Pix2PixHD 學習圖像對之間的映射。
此外，Kramer也強調(diào)其與Toonify有兩點明顯的不同：
我通過“crappify”的方法來調(diào)整圖像大小，并壓縮偽影。
我們采用的混合模型不同。我的模型更強調(diào)原始圖像的形狀和方向，以及僵尸圖像的紋理和卡通化，而Toonify并不是。
值得注意的是，關(guān)于僵尸生成器，Kramer從去年開始就有做過嘗試。當時利用的是CycleGAN模型，但采用的數(shù)據(jù)集是一樣的。起初，Kramer想研發(fā)一半是人像一半是僵尸的生成器。他將數(shù)百個示例分為兩類，分別學習帶有SVM的超平面，以確定潛在空間中的“僵尸”方向。接著再根據(jù)輸入的人臉生成特定的“僵尸”，并以此作為 Pix2Pix 數(shù)據(jù)的基礎(chǔ)。
但這一過程遇到了兩個問題：一是雖然在生成的人類身上效果很好，但在真實圖像上只能產(chǎn)生中等水平的結(jié)果；二是僵尸和種族之間性質(zhì)不同，我不想創(chuàng)造一個改變種族生成器。
不過，相比之下，基于StyleGAN2架構(gòu)的模型也有明顯的優(yōu)勢。比如該模型能夠在2080Ti顯卡上訓練1024 x 1024大小的模型，效率高，而且經(jīng)過預訓練后的輸出效果也比較好，在這兩點上CycleGAN2和Pix2PixHD相對差之。
引用鏈接：
https://github.com/fastai/course-v3/blob/master/nbs/dl1/crappify.py
雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
