上傳一張照片，就可以擁有自己的動漫形象?
現(xiàn)在一個名為 “Toonify yourself”的 AI 工具就可以辦到，而且效果非常逼真。
秒變“迪士尼在逃公主”，這款一鍵切換“漫畫臉”AI，因效果太過逼真徹底火了!
最近，熱映的真人版《花木蘭》，在國外又掀起了一股動漫風(fēng)!各種名人漫畫形象頻頻刷屏，比如這張宮崎駿老爺爺，可可愛愛的形象完全可以出演動漫電影了。
還有這張演員楊紫瓊的動漫形象，大眼、瘦臉完全具備了動漫角色的典型特征。
更重要的是幾乎復(fù)刻了真人的原始狀態(tài)，包括頭發(fā)、面部表情、神態(tài)，妥妥地定制化動漫形象。
這些動漫形象全部出自一個名為 “Toonify yourself”的 AI 工具。它不僅呈現(xiàn)出效果逼真，操作起來還非常簡單，只需在模型中上傳一張照片即可!
據(jù)了解，這款工具剛剛發(fā)布就完成了 25 萬次服務(wù)，非常受用戶歡迎，還有網(wǎng)友評論稱：研發(fā)者可以考慮考慮商業(yè)化的問題了。
那么，這款工具是如何實現(xiàn)的呢?
生成漫畫臉的技術(shù)原理
據(jù)它的創(chuàng)建者之一 Doron Adler 介紹稱，該工具主要利用了混合網(wǎng)絡(luò)(Blended Network)，這是一個復(fù)雜的網(wǎng)絡(luò)機制，主要由于兩部分模型來完成：StyleGAN Model 和 Blended Model。
其中，StyleGAN Model 負(fù)責(zé)對初始照片進(jìn)行預(yù)訓(xùn)練，其目的是節(jié)省訓(xùn)練的時間和成本，因為對于個人而言，并不是每個人都有足夠的 CPU 或者數(shù)周的時間進(jìn)行數(shù)據(jù)訓(xùn)練，這個過程也被成為 “轉(zhuǎn)移學(xué)習(xí)(Transfer learning)“。
重要的是，通過預(yù)訓(xùn)練模型，可以得到更高質(zhì)量的圖像。
Doron 介紹稱，為了達(dá)到更好的動漫效果，他們收集了迪士尼 / 皮克斯 / 夢工廠等大約 300 張動漫圖像作為數(shù)據(jù)集。
通過對數(shù)據(jù)集進(jìn)行訓(xùn)練來學(xué)習(xí)動漫角色的典型特征。從以下輸出結(jié)果來看，效果還是非常不錯的。
盡管對數(shù)據(jù)集進(jìn)行了少量的訓(xùn)練，但大眼、瘦臉等典型特征都能很好的捕捉到。其中部分圖像比較模糊，是因為原始圖像的分辨率比較低，而且有些是手繪圖像造成的。
接下來，經(jīng)過人臉微調(diào)的圖像會進(jìn)入 Blend Model 的處理階段。
在這里，由于 StyleGAN 的結(jié)構(gòu)，模型中的不同層以不同的方式影響生成人物的外觀。低分辨率層決定頭部姿態(tài)和人臉形狀，高分辨率層則控制光線和紋理等細(xì)節(jié)。
Doron 使用的 Layer Swapping 腳本從原始模型中提取了高分辨率層，從 StyleGAN Model 微調(diào)模型中提取低分辨率層，因此，最終得到了具有卡通人臉結(jié)構(gòu)且具備照片級逼真渲染效果的混合模型。
可以看到，使用原始的面孔模型和混合卡通模型生成圖像，兩者之間存在著明顯的聯(lián)系，保持了人物的原始面貌，同時也實現(xiàn)了動漫化。(需要強調(diào)的是，如果需要高分辨率的卡通形象，則需要輸入高像素的原始圖像，一般不得低于 1024x1024 像素)。
效果逼真，操作簡單，但因太火而下線
StyleGAN 模型可以產(chǎn)生大量人臉圖像，在其中可以找到任何一張人臉的圖像。比如通過該模型輸入一張需要處理的圖像示例，模型會通過 “代碼”(也稱為潛在向量)，輸出一個與示例完全匹配的人臉圖像，如下圖左邊為原圖在左邊，右邊邊為生成圖。
然后將具有特定 “代碼”的人臉圖像輸入混合模型，結(jié)果就可以得到一個卡通化人臉。
這一過程，輸入示例大致經(jīng)歷了三步處理過程：
提取面步特征，并自動對齊圖像。
找到潛在代碼，復(fù)制圖像。
使用卡通模型的潛在代碼 , 對圖像進(jìn)行處理。
基于這一原理，用戶只需要在系統(tǒng)中上傳照片即可。不過可惜的是，由于用戶訪問量過大，考慮到服務(wù)器的運行成本，Doron 暫時關(guān)閉了這一系統(tǒng)的使用入口，并表示重新規(guī)劃成本效益后，會再次對外開放。
關(guān)于作者
Justin Pinkney 是該工具另一創(chuàng)建者。與 Doron 一樣，Justin 對生成藝術(shù)和機器學(xué)習(xí)非常感興趣。
從他的個人主頁上了解到，Justin 曾是一名物理學(xué)家，現(xiàn)在英國 MathWorks 擔(dān)任軟件顧問，負(fù)責(zé)算法開發(fā)、模型訓(xùn)練以及組織軟件開發(fā)實踐。
Justin 利用 StyleGAN 模型做過多項研究。比如他通過 StyleGAN Network Blend 讓壁畫上的浮雕秒變?nèi)四槇D像。
該項研究同樣是基于 “圖層交換(Layer Swapping)”的概念，將基礎(chǔ)模型與使用轉(zhuǎn)移學(xué)習(xí)的模型(即微調(diào)模型)融合在一起達(dá)到最終的效果。
此外，還有利用神經(jīng)網(wǎng)絡(luò)生成各類虛假蛋糕等。
關(guān)鍵詞：
