🎈 项目效果
- 飞浆是一个由百度推出的深度学习开发平台，为开发者提供了高效、易用、灵活和全面的深度学习开发工具和服务。
PaddleGAN是飞浆在图像生成和处理领域的一个代表性项目，通过深度学习的技术和飞浆的支持，PaddleGAN可以实现多种惊人的图像处理效果，例如图像转换、人脸编辑、动态效果生成等等。- 其中内置了
StyleGAN V2与FOM分别实现人脸属性编辑和人脸动画效果。这些技术和应用在很多领域都有广泛的应用，例如娱乐、广告、电影制作、虚拟现实等等。
🎈 环境搭建
- 这里个人推荐使用
Anaconda搭建本地环境，因为如果项目太多，后期非常不好管理 - 另外推荐全局更换
pip源：pip config set global.index-url https://mirror.baidu.com/pypi/simple - 如果未更换源的话，下载会超级慢，甚至下载失败，也可以通过
-i临时设置源：pip install xxx -i https://mirror.baidu.com/pypi/simple
# 创建环境 conda create --name PaddleGAN python=3.6 # 激活环境 activate PaddleGAN # 安装依赖cmake pip install cmake -i https://mirror.baidu.com/pypi/simple # 安装依赖boost pip install boost -i https://mirror.baidu.com/pypi/simple # 安装依赖numpy pip install numpy -i https://mirror.baidu.com/pypi/simple # 安装依赖dlib pip install dlib==19.8.1 -i https://mirror.baidu.com/pypi/simple
🎈 下载PaddleGAN
GAN是一种深度学习模型，是近年来复杂分布上无监督学习最具前景的方法之一- 在安装依赖的时候，因使用的环境是
python3.6，所以需要将requirements.txt文件中的opencv-python加上一个版本号opencv-python==4.3.0.38，不然默认安装最新版本的，而最新版本的无法被下载成功
# 下载源码 git clone https://gitee.com/PaddlePaddle/PaddleGAN # 进入项目目录 cd PaddleGAN # 安装项目依赖，这里一定要设置全局源 pip install -r requirements.txt # 安装环境 python setup.py develop
🎈 安装飞浆
- 安装
CPU版本，不容易出错，但速度会有点慢，如果有GPU尽量使用GPU版本 - 我这里只安装最新的，如果想要安装指定版本，请查看飞浆官方教程
# CPU版本 pip install paddlepaddle # GPU版本 pip install paddlepaddle-gpu
🎈 生成图片潜码
- 需要通过命令生成原图对应的
Latent Code input_image：输入的图像路径output_path：生成图片存放的路径weight_paht：预训练模型路径model_type：PaddleGAN内置模型类型，若输入PaddleGAN已存在的模型类型，weight_paht将失效，当前可用：ffhq-inversion，ffhq-toonifyseed：随机数种子size：模型参数，输出图片的分辨率style_dim：模型参数，输出图片的分辨率n_mlp：模型参数，风格z所输入的多层感知层的层数channel_multiplier：模型参数，通道乘积，影响模型大小和生成图片的质量cpu：是否使用cpu推理，若不使用，请在命令去除- 测试人像是用
StyleGAN2技术模型生成的，仅用做测试，不存在侵犯任何人肖像权
# 命令模板 cd applications/ python -u tools/styleganv2.py \ --input_image <替换为输入的图像路径> \ --output_path <替换为生成图片存放的文件夹> \ --weight_path <替换为你的预训练模型路径> \ --model_type ffhq-inversion \ --seed 233 \ --size 1024 \ --style_dim 512 \ --n_mlp 8 \ --channel_multiplier 2 \ --cpu # 使用的命令 python -u applications/tools/pixel2style2pixel.py --input_image E:/PaddleGAN/results/input/beauty.jpg --output_path E:/PaddleGAN/results/output --model_type ffhq-inversion --seed 233 --size 1024 --style_dim 512 --n_mlp 8 --channel_multiplier 2 --cpu
🎈 老龄化处理
latent：要编辑的代表图像的风格向量的路径。可来自Pixel2Style2Pixel生成的dst.npy，也就是上面生成的潜码latent2：第二个风格向量的路径。来源同第一个风格向量output_path：生成图片存放的文件夹weight_path：预训练模型路径model_type：PaddleGAN内置模型类型，若输入PaddleGAN已存在的模型类型，weight_paht将失效，当前建议使用：ffhq-config-fsize：模型参数，输出图片的分辨率n_mlp：模型参数，风格z的维度channel_multiplier：模型参数，通道乘积，影响模型大小和生成图片的质量direction_path：存放一系列属性名称及对象属性向量的文件路径。默认为空，即使用ppgan自带的文件。若不使用，请在命令中去除direction_name：要编辑的属性名称，对于ffhq-config-f有预先准备的这些属性：age、eyes_open、eye_distance、eye_eyebrow_distance、eye_ratio、gender、lip_ratio、mouth_open、mouth_ratio、nose_mouth_distance、nose_ratio、nose_tip、pitch、roll、smile、yaw
# 命令模板 cd applications/ python -u tools/styleganv2editing.py \ --latent <潜码路径> \ --output_path <新人脸（年龄变换后）的保存路径> \ --model_type ffhq-config-f \ --size 1024 \ --style_dim 512 \ --n_mlp 8 \ --direction_name age \ --direction_offset 3 # 使用的命令 python -u applications/tools/styleganv2editing.py --latent E:/PaddleGAN/results/output/dst.npy --output_path E:/PaddleGAN/results/old --model_type ffhq-config-f --size 1024 --style_dim 512 --n_mlp 8 --channel_multiplier 2 --direction_name age --direction_offset 3
🎈 年轻化处理
direction_offset：这个参数的绝对值越大，处理程度越重，绝对值越大显得越年轻或者老龄化越严重
cd applications/ python -u tools/styleganv2editing.py \ --latent <潜码路径> \ --output_path <新人脸（年龄变换后）的保存路径> \ --model_type ffhq-config-f \ --size 1024 \ --style_dim 512 \ --n_mlp 8 \ --direction_name age \ --direction_offset -3 # 使用的命令 python -u applications/tools/styleganv2editing.py --latent E:/PaddleGAN/results/output/dst.npy --output_path
