公众号关注 “GitHubDaily”

设为 “星标”，每天带你逛 GitHub！

转自 AI 科技大本营

如今，用 StyleGAN 技术制作出的人脸应用层出不穷。2019 年 2 月，Uber 软件工程师 Philip Wang 使用英伟达发表的 StyleGAN 创建了无穷尽的假肖像图集，并通过“ThisPersonDoesNotExist”网站用最简单直观的形式展示给更多的人，其背后的算法基于大规模的真实数据集训练而成，然后使用生成对抗网络（GAN）来制造出新的图像。

来自国内的网友则制作了一个人脸生成器网站 seeprettyface.com，其中汇集了 5款定制人脸的生成器，包括黄种人脸生成器、网红脸生成器、明星脸生成器、超模脸生成器和萌娃脸生成器，同时人脸属性编辑器能够对所有这些生成器生成的人物进行调整和改变。

现在作者将所有项目（包括数据集）在 GitHub 上全部进行了开源分享。作者称，其主要作用是可生成制作各类型的人脸素材，供人们任意使用且无须担心人脸版权的问题。

GitHub链接：https://github.com/a312863063

来，看看这些生成器的效果，有网友称，可以每天换一个不重样的个（照）性（骗）头像了。

1、网红脸生成器V2.0

网红脸生成器V2.0版本的1024px上画质有提升，生成的图片更大更清晰。

1024px生成样本：

https://pan.baidu.com/share/init?surl=Sn6j9g-8sddIvViGEawAWQ 

提取码：3iqt

含有1万张生成样本的网红脸数据集。

2、超模脸生成器

生成样本：

https://pan.baidu.com/share/init?surl=G5lTsk1TJPZMCHqudQqqYg

提取码：2A5W

一个含有1万张生成样本的超模脸数据集。

3、明星人脸生成器

生成样本：

https://pan.baidu.com/share/init?surl=g5ASVZcRoYvClxqsQpShXQ

提取码：XVAL

含有1万张生成样本的明星脸数据集。

4、萌娃脸生成器

生成样本（可爱笑容版）：

https://pan.baidu.com/share/init?surl=G_hn-1jdOC6s_gMqsTmthg

提取码：q9f6

含有1万张生成样本的可爱笑容萌娃脸数据集。

5、黄种人人脸生成器

1024px生成样本：

https://pan.baidu.com/share/init?surl=X2RTqKKhG5mXx0d4HzfZLg

提取码：A01B 

含有 5 万张生成样本的黄种人脸数据集。

6、人脸属性编辑器

人脸属性编辑支持在年龄、笑容、角度、性别和光照等23个维度对生成人物作出调整。这个属性编辑器适用于上述所有 seeprettyface.com 网站出品的定制人脸生成器(仅1024px版)和官方生成器。当然，现在也供免费下载研究。

笑容调整       

角度调整       

光照调整

环境配置

支持 Linux 和 Windows，但出于性能和兼容性的考虑，强烈建议使用 Linux。

需要安装 64 位 Python 3.6，推荐使用有 numpy 1.14.3 的 Anaconda3 或最版本。

TensorFlow 1.10.0 或有 GPU 支持的更新版。

NVIDIA 驱动 391.35，CUDA toolkit 9.0，cuDNN 7.3.1 版本或更新版。

开源心路历程及生成器研究笔记分享

Nvidia 团队提出的 StyleGAN 模型不仅能生成高清的人脸照片，更重要的是模型因为采用了一种分级控制视觉特征的方法，能够调节不同层级上的特征，从而准确控制输出的图片是满足何种样子，譬如长发、短发还是波浪卷发。

这种模型效果让还是研一学生的作者觉得不可思议，发现模型的可玩性不仅非常高，而且认为生成模型的实现前景足够有价值，“你能想象在虚拟现实中见到一个足够美到让你能去爱他（她）的小哥哥（小姐姐），它也能帮助艺术家们把一些极致的幻想描绘出来让人们确切地看见，更宽泛地来说，医疗、建筑、交通、服装等等这些与视觉息息相关的行业都是生成模型能广泛取得应用的领域。”

所以作者希望生成模型能取得人们的关注，并且愿意投入和研究它。

他称研究的生成模型领域足够让其为之着迷并时常感到兴奋。“生成模型就是在用数学方法做着一件很浪漫的事情，它想让计算机学会理解我们所见到的这个世界是如何被 “绘制” 出来的。”

所以每当有团队提出了新的生成模型，并且生成的图片有了更逼真的效果时，作者也会迫不亟待地想去了解他们是用什么样的方法去实现这样的突破。

为了更多的人来玩 / 研究生成模型，作者也将自己研究生成模型的技术原理完整笔记分享在了网站上，以下是笔记目录：

第 1 页目录：深度学习 -> 生成模型 ->StyleGAN -> 玩代码 -> 定制人脸生成 -> 现实人脸编码 -> 人脸属性编辑 -> 人脸视频合成 ->

第 2 页目录：含穿着人物生成 -> 含穿着人物服装迁移、姿态变化与动作视频生成

最后，作者也提醒所有访问 seeprettyface 网站的网友，要警惕生成的人脸模型图片：生成模型描绘地再好，都只是虚假的，我们要学会不让自己沉陷于这样的虚幻当中，趁早学会适应这样的环境也是网站的一点点意义。