✨ 目录
- 🎈 项目效果
- 🎈 环境搭建
- 🎈 下载PaddleGAN
- 🎈 安装飞浆
- 🎈 生成图片潜码
- 🎈 老龄化处理
- 🎈 年轻化处理
🎈 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
conda create --name PaddleGAN python=3.6
activate PaddleGAN
pip install cmake -i https://mirror.baidu.com/pypi/simple
pip install boost -i https://mirror.baidu.com/pypi/simple
pip install numpy -i https://mirror.baidu.com/pypi/simple
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
git clone https://gitee.com/PaddlePaddle/PaddleGAN
cd PaddleGAN
pip install -r requirements.txt
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
pip install paddlepaddle
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- 这里从网上找了一张我最喜欢的大甜甜照片来测试
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
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
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
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，老龄化中则越重
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
python -u applications/tools/styleganv2editing.py --latent E:/PaddleGAN/results/output/dst.npy --output_path E:/PaddleGAN/results/young --model_type ffhq-config-f --size 1024 --style_dim 512 --n_mlp 8 --channel_multiplier 2 --direction_name age --direction_offset -3
