Press "Enter" to skip to content

新垣结衣夫妇的孩子长啥样,用 BabyGAN 预测试试

By 超神经

 

内容一览: 昨日,日本男星星野源通过事务所发布声明,宣布结婚,新娘正是被不少男粉丝奉为「老婆」的新垣结衣。

 

关键词: 生成对抗网络   StyleGAN

 

「老婆嫁人了」、「星野源夺妻之痛」、「爷青结」……星野源和新垣结衣官宣结婚后,不少网友发出了如上感叹。

 

 

二人曾共同出演日剧《逃避可耻但有用》

 

剧中两位主角原本是“契约结婚”,后终成眷属

 

还有一波网友在坦然接受「失恋」现状后,转而关心起新垣结衣和星野源的孩子来, 生怕孩子长得不像妈妈。

 

 

微博网友对二人孩子长相,表现出了极大关心

 

借助开源模型 BabyGAN,我们预测了新垣结衣和星野源未来孩子的长相。

 

「大河」是《逃避虽然可耻但有用》剧中,二人孩子的名字。

 

根据 BabyGAN 的预测,如果新垣结衣跟星野源的孩子是个女孩的话, 那幺不同年龄的大河可能长这样:

 

 

BabyGAN 生成的女儿成长动图

 

如果大河是个男孩的话, 那幺不同年龄的大河可能长这样:

 

 

BabyGAN 生成的儿子成长动图

 

BabyGAN 到底是何方神器

 

BabyGAN 是一个基于 StyleGAN 的儿童长相预测器,可以基于编码器和生成器,输入父亲和母亲的图像,经过神经网络的处理后,生成或预测未来孩子的长相。

 

预测方法: 使用基于 GAN 架构的神经网络模型,从输入的父母图像中提取 latent representation,然后用算法将其按一定比例混合,生成孩子图像。

 

 

父亲(左)、 预测长相(中) 、母亲(右)

 

利用 latency direction,可以改变年龄、面部朝向、情绪及性别等参数。

 

项目地址:

 

https://github.com/tg-bomze/BabyGAN

 

编码器:

 

https://github.com/pbaylies/stylegan-encoder

 

本教程主要演示了:

 

1、从本地加载训练好的 BabyGAN 模型

 

2、准备父母双方图像,并获取其 latent representation

 

3、用模型生成孩子的面容

 

4、调整孩子的性别、年龄等参数,生成符合需求的孩子图像

 

 

调整孩子性别、年龄等属性的示意动画

 

安装环境:Python:3.6;TensorFlow:1.15

 

注意事项:本教程推荐使用 GPU 运行

 

教程地址:

 

https://openbayes.com/console/openbayes/containers/WOpfLGoTdkg

 

模型训练过程详解

 

1、准备工作

 

 

2、准备父母图像

 

 

3、生成孩子图像

 

 

4、生成具有某些特征的孩子图像

 

 

查看完整教程:

 

https://openbayes.com/console/openbayes/containers/WOpfLGoTdkg

 

StyleGAN 相关的高赞开源项目

 

BabyGAN 模型基于 StyleGAN,除此之外,基于 StyleGAN 和 StyleGAN2, 还派生出了诸多优质开源项目。

 

StyleALAE

 

StyleALAE 是一个基于 StyleGAN 生成器的对抗隐性自动编码器,它不仅可以生成图像质量与 StyleGAN 相当的 1024 x 1024 人脸图像,而且在同样的分辨率下,还可以基于真实图像进行人脸重建和属性更改。

 

 

StyleALAE 架构示意图

 

StyleALAE 编码器使用 Instance Normalization (IN) 层来提取多尺度风格信息,这些信息通过可学习的多重线性映射 (learnable multilinear map),组合成隐式代码 w。

 

相关论文:

 

https://arxiv.org/pdf/2004.04467.pdf

 

项目地址:

 

https://github.com/podgorskiy/ALAE

 

StyleFlow

 

虽然使用 StyleGAN 可以轻松生成高质量、多样化、逼真的图像,但是使用(语义)属性控制生成过程、同时又保持高质量输出,实现起来却并不简单。 此外由于 GAN 潜在空间的纠缠特性, 沿着一个属性编辑很容易引起其他属性的变化。

 

为了解决纠缠潜在空间的条件化探索中, 属性条件化采样 (attribute-conditioned sampling) 和属性条件化编辑 (attribute- conditioned editing) 的问题, 科研人员提出了 StyleFlow。

 

 

利用 StyleFlow 可以针对某一属性进行修改

 

而不引起其他属性的变化

 

如只更改光照、姿势、表情、性别等

 

用 StyleFlow 对真实图像进行非顺序 (non-sequential) 编辑, 针对老年人、非对称等极端图像时, 效果优于并发方法 (concurrent method)。

 

相关论文:

 

https://rameenabdal.github.io/StyleFlow/

 

项目地址:

 

https://github.com/RameenAbdal/StyleFlow

 

Pixel2style2pixel (pSp)

 

pSp 是一个用于图像到图像转换的 StyleGAN 编码器,它基于一个新型编码网络,可以直接生成一系列风格向量, 这些风格向量被输入到预训练 StyleGAN 生成器中,形成扩展的 w+ 潜在空间。

 

在 pSp 中,编码器无需额外优化就可以直接将真实图像嵌入 w+ , 且利用编码器可以直接解决图像到图像的转换任务,并将其定义为从输入域到潜在域的编码问题。

 

 

pSp 在 StyleGAN 反演、多模态条件图像合成

 

人脸正面化、图像修复和超分辨率场景中的成果展示

 

pSp 可以在不改变结构的前提下, 处理各种各样的图像转换任务, 如由分割图生成人脸图像、人脸正面化、超分辨率等。

 

相关论文:

 

https://arxiv.org/abs/2008.00951

 

项目地址:

 

https://github.com/eladrich/pixel2style2pixel

 

GenForce

 

GenForce 是一个适用于 StyleGAN、StyleGAN2、PGGAN 等深度生成模型的高效 PyTorch 库,它具有以下特点:

 

1、分布式训练框架

 

2、训练速度快

 

3、模块化设计,适用于新模型的原型制作

 

4、与官方 TF 版本相比,高度再现了 StyleGAN 的训练

 

5、包含众多带 Colab demo 的预训练 GAN 模型

 

 

部分 GenForce 相关项目及论文

 

相关论文:

 

https://genforce.github.io/

 

项目地址:

 

https://github.com/genforce/genforce

 

关于 OpenBayes

 

OpenBayes 是国内领先的机器智能研究机构, 提供算力容器、自动建模、自动调参等多项 AI 开发相关的基础服务。

 

同时 OpenBayes 还上线了数据集、教程、模型等众多主流公开资源,供开发者快速学习并创建理想的机器学习模型。

 

现在访问 openbayes.com 并注册

 

即可享用

 

600 分钟/周的 vGPU

 

以及 300 分钟/周 的 CPU 免费计算时

 

快行动起来,用 BabyGAN 预测未来孩子长相吧!

 

完整教程传送门:

 

https://openbayes.com/console/openbayes/containers/WOpfLGoTdkg

 

Colab 传送门:

 

https://colab.research.google.com/github/tg-bomze/BabyGAN/blob/master/BabyGAN_(ENG).ipynb

 

Be First to Comment

发表回复

您的电子邮箱地址不会被公开。 必填项已用*标注