軟件介紹FakeApp是一款非常受用戶們歡迎的換臉軟件,軟件內(nèi)收集了眾多明星的臉部圖片和資料。用戶可以使用這款軟件進行換臉操作,不僅僅可以搞怪,還能選取自己喜歡的明星換臉到自己的照片上,充分滿足用戶們的好奇心,喜歡的用戶快下載體驗一番。 FakeApp這款換臉軟件在網(wǎng)絡上非常受網(wǎng)友們的喜愛,通過這款軟件能將多種明星臉進行更換,還能了解到自己的臉部能和那位明星相像,就像前段時間的徐崢和沈騰,二維的臉部幾乎相差無幾。
FakeApp軟件特色先簡單介紹一下FakeApp的三個模塊 1、GET DATASET:獲取數(shù)據(jù)集,在這一步中,你的素材視頻將被逐幀切割成圖片,程序會自動識別并提取出圖片中人物的面部數(shù)據(jù)。 2、TRAIN:訓練模型,根據(jù)第一步中生成的數(shù)據(jù)集,機器會自動地幫你訓練模型,從而進行面部的替換。 3、CREATE:生成視頻,這一步便是整個實驗中最為神奇的地方,他能根據(jù)你訓練出的模型,將給定視頻素材中人物的面部進行替換,最后生成替換后的視頻。 4、可以在幾分鐘內(nèi)從圖像集和視頻輕松創(chuàng)建出數(shù)千張圖像的強大,多樣化的數(shù)據(jù)集。 5、可以通過發(fā)布頻繁的損失值和培訓預覽,輕松實時觀察受過培訓的人工智能的進度。 6、通過自動分割,轉(zhuǎn)換和拼接視頻幀,減少了將視頻中的人臉轉(zhuǎn)換為單個按鈕過程的任務。 FakeApp使用方法1、第一步,生成數(shù)據(jù)集 先創(chuàng)建一個文件夾fake,將素材視頻存放進去 咱們姑且用A和B來區(qū)分這兩個小姐姐好了,按照FakeApp的提示,將素材路徑填入,點擊EXTRACT,接下來無需任何操作,等程序跑完就行了。你會看到fake文件夾中多出了一個dataset-A的目錄,這便是我們待會兒訓練模型時需要的數(shù)據(jù)集了。A的訓練集生成后,重復這一步驟,生成B的訓練集。至此,咱們第一步結束了。 2、第二步,訓練模型 在這一步開始前,你需要在fake文件中創(chuàng)建一個model目錄,這里會存放模型文件。和之前一樣,依次填入文件夾路徑,下面的參數(shù)無需修改,使用默認配置即可。點擊TRAIN,等待程序初始化后,會彈出一個預覽框,這時,你幾乎可以高枕無憂了。剛開始你會發(fā)現(xiàn)預覽框最右側的一列會非常模糊,不要緊,模型才剛開始訓練。Loss A和Loss B代表模型的差異值,咱們無需關注數(shù)值產(chǎn)生的原理,你只需要知道,兩者之差越小,說明模型訓練的越好。 訓練模型是一個很耗時間的活兒,以我為例,每個數(shù)據(jù)集各350張左右的面部圖像,訓練了大概13個小時,差異值穩(wěn)定在了0.1%左右。如果你想要更好的效果,建議每個數(shù)據(jù)集不低于500張,至于如何確定數(shù)據(jù)集的大小,可以看上面的示例圖A,圖中的360代表dataset-A的數(shù)據(jù)量。 值得一提的是,訓練進度會被實時保存下來,也就是說你可以隨時暫停訓練,在預覽窗口中,輸入英文小寫字母q即可保存退出,下次想要繼續(xù)訓練的話,打開FakeApp再點擊TRAIN即可。 3、第三步,開始操作 在model中填入我們先前訓練好的模型路徑,Video則填入你想要替換的視頻路徑,依舊是傻瓜式,點擊CREATE,稍安勿躁,讓GPU飛一會兒~程序跑完后,你應該就能在fake文件中看到生成的swap.mp4文件了,讓我們通過視頻截圖,看看效果如何。 FakeApp怎么暫停 按Q推出,再次原路徑,loss重新開始,試驗幾次,就能明白這個就是暫停。 FakeApp常見問題如何把A視頻的臉,替換進B視頻? 分以下幾步: 1、收集A,B的臉 因為是視頻,所以要用一些特殊的技巧,把一個視頻,轉(zhuǎn)換成一張張圖片,比如10s的視頻,可能會有上百張圖片,然后在上百張圖片里,找出帶有人臉的,最終都截取成相同大小的,比如256*256的臉圖片 2、訓練模型,A->B 有了A的256*256臉,和B的256*256臉,通過一些特殊的技巧,能找到兩張臉之間聯(lián)系,圖片數(shù)越多,聯(lián)系也就越緊,找到關系后,保存成 模型。這個模型的作用就是,給一張A的臉,輸入進模型,模型會給出B的臉 3、換臉 隨便找一個A的視頻,依舊是轉(zhuǎn)換成一張張圖片,依舊要找出帶有人臉的圖片。把這一張張圖片,丟進第2步得到的模型,就能得出一張張?zhí)鎿Q成B臉的圖片。最后把所有的圖片,再合并成視頻,換臉完成。 FakeApp更新日志1、自動更新 2、新增圖片數(shù)據(jù)集 3、修復了沒臉的錯誤 4、新增合并選項 5、升級到TenserFlow1.5、CUDA9 |