让美颜app瞬间弱爆的AI算法 附教程

简介: StyleFlow 算法介绍运行算法1、linux环境2、Windows10环境

先来猜猜看。


下面这张照片中的人,是真实存在的,还是算法生成的?


image.png


答案是通过StyleGAN算法生成的。


这个人,在世界上并不存在。


没错——


头发、皱纹、光线、表情等等,都是AI算法自己生成的。


完全看不出跟真人有什么区别。


这就是人脸属性编辑算法的强大之处。


大家可以登录下面这个网站直接体验。


https://thispersondoesnotexist.com/


每刷新一次,都会随机生成这么一张照片。


抖音上很火的性别转换特效,还有变老人、变小孩特效。


都是这种人脸属性编辑算法实现的。


StyleFlow 算法介绍


今天我们来讲讲 StyleFlow 算法,是基于 StyleGAN 算法的。


也是一个非常牛逼的人脸属性编辑算法。


不仅可以瘦脸、美白。


还可以编辑自己的表情、发型、角度、性别等。


先来看看马斯克的各种变脸:


image.png


效果非常强大!


算法原理是在隐空间(latent space)控制隐藏特征(latent code)来控制图片的属性。


用人话说就是,将图片的各种属性进行分解,分别编辑,避免一个属性变化影响另外一个属性。


比如我们编辑一张人脸,表情、头发、性别、肤色、年龄、光线等都是照片的属性。


算法将这些属性进行解耦分类,分别控制编辑,得到我们想要的效果。


具体可以查看论文:


https://arxiv.org/abs/2008.02401


运行算法


我们来分别看看linux环境和windows环境,怎样来运行算法。


1、linux环境


第一步:下载代码


项目地址:


https://github.com/RameenAbdal/StyleFlow


第二步:搭建环境


需要配置PyTorch、TensorFlow等。配置信息都在根目录下面的 environment.yml 文件中,我们根据这个文件安装即可。


conda env create -f environment.yml


安装过程中如果碰到插件错误,可以单独安装插件。比如:


# 单独安装torch插件
pip install torch==1.1.0 -f https://download.pytorch.org/whl/torch_stable.html
# 单独安装tensorflow-gpu插件
conda install tensorflow-gpu==1.15.0


还要搭建StyleGAN2 的环境,跟上面一样的搭建思路。


项目地址:


https://github.com/NVlabs/stylegan2


第三步:下载训练好的模型权重文件。


实现上方动图的效果。


我们使用的权重文件是stylegan2-ffhq-config-f.pkl,可以实现人脸属性编辑。


文件要登陆谷歌下载,知道大家fq不易,贴心的我给大家放到了百度云盘里面,大家可以直接下载。


链接(提取码:6666):


https://pan.baidu.com/s/10bwCYPLzN7fbu3Dd0Eh3MA


如果想要尝试其他效果,比如编辑汽车属性,可以到下面网址下载对应的权重文件


权重文件:


https://drive.google.com/drive/folders/1QHc-yF5C3DChRwSdZKcx1w6K8JvSxQi7


第四步:运行程序。


python main.py


就会打开下方界面。


image.png


2、Windows10环境


如果你是Windows10环境,跟着上面部署,大概率会非常不顺利,别问我是怎么知道的。


那个凌晨4点的晚上——


来看看Windows10环境怎样部署这个算法。


第一步:下载代码


项目地址:


https://github.com/justinjohn0306/StyleFlow-Windows-10


第二步:搭建环境


conda env create -f env_windows.yml
conda activate styleflow
conda install pytorch==1.2.0 torchvision==0.4.0 cudatoolkit=10.0 -c pytorch


继续安装streamlit插件,用来可视化界面


pip install streamlit


第三步:运行项目


cd webui
streamlit run app.py


现在就可以编辑自己想要编辑的图片效果了。


image.png

目录
相关文章
|
27天前
|
传感器 人工智能 监控
智慧工地 AI 算法方案
智慧工地AI算法方案通过集成多种AI算法,实现对工地现场的全方位安全监控、精准质量检测和智能进度管理。该方案涵盖平台层、展现层与应用层、基础层,利用AI技术提升工地管理的效率和安全性,减少人工巡检成本,提高施工质量和进度管理的准确性。方案具备算法精准高效、系统集成度高、可扩展性强和成本效益显著等优势,适用于人员安全管理、施工质量监控和施工进度管理等多个场景。
|
1月前
|
传感器 人工智能 监控
智慧电厂AI算法方案
智慧电厂AI算法方案通过深度学习和机器学习技术,实现设备故障预测、发电运行优化、安全监控和环保管理。方案涵盖平台层、展现层、应用层和基础层,具备精准诊断、智能优化、全方位监控等优势,助力电厂提升效率、降低成本、保障安全和环保合规。
智慧电厂AI算法方案
|
12天前
|
机器学习/深度学习 缓存 人工智能
【AI系统】QNNPack 算法
QNNPACK是Marat Dukhan开发的量化神经网络计算加速库,专为移动端优化,性能卓越。本文介绍QNNPACK的实现,包括间接卷积算法、内存重排和间接缓冲区等关键技术,有效解决了传统Im2Col+GEMM方法存在的空间消耗大、缓存效率低等问题,显著提升了量化神经网络的计算效率。
31 6
【AI系统】QNNPack 算法
|
12天前
|
存储 人工智能 缓存
【AI系统】Im2Col 算法
Caffe 作为早期的 AI 框架,采用 Im2Col 方法优化卷积计算。Im2Col 将卷积操作转换为矩阵乘法,通过将输入数据重排为连续内存中的矩阵,减少内存访问次数,提高计算效率。该方法首先将输入图像转换为矩阵,然后利用 GEMM 库加速计算,最后将结果转换回原格式。这种方式显著提升了卷积计算的速度,尤其适用于通道数较多的卷积层。
33 5
【AI系统】Im2Col 算法
|
12天前
|
存储 机器学习/深度学习 人工智能
【AI系统】Winograd 算法
本文详细介绍Winograd优化算法,该算法通过增加加法操作来减少乘法操作,从而加速卷积计算。文章首先回顾Im2Col技术和空间组合优化,然后深入讲解Winograd算法原理及其在一维和二维卷积中的应用,最后讨论算法的局限性和实现步骤。Winograd算法在特定卷积参数下表现优异,但其应用范围受限。
27 2
【AI系统】Winograd 算法
|
1天前
|
人工智能 算法
AI+脱口秀,笑点能靠算法创造吗
脱口秀是一种通过幽默诙谐的语言、夸张的表情与动作引发观众笑声的表演艺术。每位演员独具风格,内容涵盖个人情感、家庭琐事及社会热点。尽管我尝试用AI生成脱口秀段子,但AI缺乏真实的情感共鸣和即兴创作能力,生成的内容显得不够自然生动,难以触及人心深处的笑点。例如,AI生成的段子虽然流畅,却少了那份不期而遇的惊喜和激情,无法真正打动观众。 简介:脱口秀是通过幽默语言和夸张表演引发笑声的艺术形式,AI生成的段子虽流畅但缺乏情感共鸣和即兴创作力,难以达到真人表演的效果。
|
2天前
|
机器学习/深度学习 前端开发 算法
婚恋交友系统平台 相亲交友平台系统 婚恋交友系统APP 婚恋系统源码 婚恋交友平台开发流程 婚恋交友系统架构设计 婚恋交友系统前端/后端开发 婚恋交友系统匹配推荐算法优化
婚恋交友系统平台通过线上互动帮助单身男女找到合适伴侣,提供用户注册、个人资料填写、匹配推荐、实时聊天、社区互动等功能。开发流程包括需求分析、技术选型、系统架构设计、功能实现、测试优化和上线运维。匹配推荐算法优化是核心,通过用户行为数据分析和机器学习提高匹配准确性。
21 3
|
4天前
|
人工智能 小程序 数据处理
uni-app开发AI康复锻炼小程序,帮助肢体受伤患者康复!
近期,多家康复机构咨询AI运动识别插件是否适用于肢力运动受限患者的康复锻炼。本文介绍该插件在康复锻炼中的应用场景,包括康复运动指导、运动记录、恢复程度记录及过程监测。插件集成了人体检测、姿态识别等功能,支持微信小程序平台,使用便捷,安全可靠,帮助康复治疗更加高效精准。
|
28天前
|
机器学习/深度学习 传感器 人工智能
智慧无人机AI算法方案
智慧无人机AI算法方案通过集成先进的AI技术和多传感器融合,实现了无人机的自主飞行、智能避障、高效数据处理及多机协同作业,显著提升了无人机在复杂环境下的作业能力和安全性。该方案广泛应用于航拍测绘、巡检监测、应急救援和物流配送等领域,能够有效降低人工成本,提高任务执行效率和数据处理速度。
智慧无人机AI算法方案
|
16天前
|
存储 人工智能 缓存
【AI系统】布局转换原理与算法
数据布局转换技术通过优化内存中数据的排布,提升程序执行效率,特别是对于缓存性能的影响显著。本文介绍了数据在内存中的排布方式,包括内存对齐、大小端存储等概念,并详细探讨了张量数据在内存中的排布,如行优先与列优先排布,以及在深度学习中常见的NCHW与NHWC两种数据布局方式。这些布局方式的选择直接影响到程序的性能,尤其是在GPU和CPU上的表现。此外,还讨论了连续与非连续张量的概念及其对性能的影响。
39 3