本文主要介绍使用开源项目Barbershop给人像照片换发型和发色（附详细步骤 + 避坑指南)。

背景介绍

    摘要：由于光照、几何和部分遮挡的复杂关系会导致图像不同部分之间的耦合，因此无缝混合多个图像的特征极具挑战性。尽管最近关于 GAN 的研究能够合成真实的头发或面部，但仍然很难将它们组合成单个、连贯且合理的图像，而不是一组不连贯的图像块。我们提出了一种基于 GAN 反转的图像混合新颖解决方案，特别是针对发型转移问题。我们提出了一种新的图像混合潜在空间，它能够更好地保留细节和编码空间信息，并提出一种新的 GAN 嵌入算法，它能够稍微修改图像以符合常见的分割掩码。我们新颖的表示方法能够从多个参考图像中传输视觉属性，包括痣和皱纹等特定细节，并且因为我们在潜在空间中进行图像混合，所以我们能够合成连贯的图像。我们的方法避免了其他方法中存在的混合伪影，并找到全局一致的图像。我们的结果表明，用户研究中的当前技术水平有了显著改进，95% 以上的用户更喜欢我们的混合解决方案。

    开源项目名为Barbershop，可以将一张照片中人的发型和发色换成参考照片的发型和发色，效果较为逼真。

    项目github地址：

    论文地址：

部署与使用步骤

    【1】本地部署。可以参考下面链接：

    【2】使用Google Colab部署。

    如何使用Colab白嫖GPU算力，大家可以参考以前的文章或者自行百度。

    Google Colab免费使用的GPU加速训练测试

    ① 设置环境，选择GPU和Python版本：

    ② 下载源码：

   ③ 进入根目录：

   ④ 安装依赖项：

    源码中是用yaml直接创建环境，environment/environment.yaml ，这里我们需要将environment.yaml文件中需要pip的包复制出来，粘贴进新建的一个requirements.txt中，这里我已经在本地电脑建好，直接上传到Barbershop根目录。requirements.txt内容如下：

    大约需要10分钟左右安装完成，如果遇到个别包版本冲突或异常可使用清华的镜像安装：

   ⑤ 人脸预处理：

   ⑥ 进行推理：

# 运行可能提示ffhq.pt缺失，可以下载下来放到pretrained_models中即可# !git clone https://drive.google.com/uc?id=1AT6bNR2ppK8f2ETL_evT27f3R_oyWNHS

    输入图像90.png：

    发型参考图像15.png：

    发色参考图像117.png：

    处理后生成的mask图：

    处理后生成的结果图：

耗时18分钟

    尝试下其他图片的效果(左1输入，中间参考，右1输出)：

可能遇到的报错：unexpected EOF, expected 455433 more bytes. The file might be corrupted.

解决方法：删除ffhq.pt重新上传，注意大小大约126M