StyleGAN 调整面部表情，让虚拟人脸更生动

🎈 人脸表情

• 通过上一篇文章 StyleGAN 生成的人脸：https://segmentfault.com/a/1190000043559982
• 人脸图片都是比较中规中矩的，如果能够给人脸增加一些表情的话，会让人脸显得更加的自然和逼真
• 那么调整人脸的年龄、颜值、笑容、情绪等细节，就显得非常的重要了

🎈 调整步骤

• 在上一篇文章中，我们知道生成人脸是通过 main.py 这个程序
• 其实在项目 main.py 同级目录下，还有一个 edit_photo.py 程序
• 这个程序就是用来调整生成的人脸的表情的
• 只要稍微这个程序的源码就可以知道，它改变人物的表情主要是通过 main.py 生成图片的同时，也会生成每个人物的潜码，保存在 results\generate_codes 文件夹下面
• 改变人脸细节主要通过潜码去修改，从源码中知道可以自定义年龄、人脸角度、笑容、人脸宽高、脸型、戴眼镜还有各种情绪都是可以去改变的
• 源码中默认选择 networks/generator_star-stylegan2-config-f.pkl 明星人脸模型，并且通过第 9 个潜码 0008.txt，去修改第 9 张图片的 age.npy，也就是年龄图
• 其中 direction_file = 'age.npy' 就是可以自定义改变人脸调整的方向
• 其中 networks/generator_star-stylegan2-config-f.pkl 要跟第一步生成人脸图片的模型对应上
• 其中 read_feature('results/generate_codes/0008.txt') 就是你想选择调整的是哪一张图片
• 其中 coeffs = [-15., -12., -9., -6., -3., 0., 3., 6., 9., 12.] 就是你想调整的程序，一个元素对应一张图片，所以处理结果也会生成对应的 10 张图片

def main():
    # 在这儿选择生成器
    tflib.init_tf()
    with open('networks/generator_star-stylegan2-config-f.pkl', "rb") as f:
        generator_network, discriminator_network, Gs_network = pickle.load(f)

    # 这是一些配置参数，不要动它
    w_avg = Gs_network.get_var('dlatent_avg')
    noise_vars = [var for name, var in Gs_network.components.synthesis.vars.items() if name.startswith('noise')]
    Gs_syn_kwargs = dnnlib.EasyDict()
    Gs_syn_kwargs.output_transform = dict(func=tflib.convert_images_to_uint8, nchw_to_nhwc=True)
    Gs_syn_kwargs.randomize_noise = False
    Gs_syn_kwargs.minibatch_size = 1
    truncation_psi = 0.5

    # 在这儿选择人物的潜码，注意要与生成器相匹配。潜码来自生成目录下有个generate_codes文件夹里的txt文件。
    face_latent = read_feature('results/generate_codes/0008.txt')
    z = np.stack(face_latent for _ in range(1))
    tflib.set_vars({var: np.random.randn(*var.shape.as_list()) for var in noise_vars})  # [height, width]
    w = Gs_network.components.mapping.run(z, None)
    w = w_avg + (w - w_avg) * truncation_psi

    # 在这儿选择调整的方向，共有21种调整方式，它们的名称与分别对应的功能如下所示。
    '''
        age.npy - 调整年龄
        angle_horizontal.npy - 在左右方向上调整人脸角度
        angle_vertical.npy - 在上下方向上调整人脸角度
        beauty.npy - 调整颜值
        emotion_angry.npy - 调整此项可增添/减弱一些生气的情绪（调整步幅建议缩小）
        emotion_disgust.npy - 调整此项可增添/减弱一些厌恶的情绪（调整步幅建议缩小）
        emotion_easy.npy - 调整此项可增添/减弱一些平静的情绪（调整步幅建议缩小）
        emotion_fear.npy - 调整此项可增添/减弱一些害怕的情绪（调整步幅建议缩小）
        emotion_happy.npy - 调整此项可增添/减弱一些开心的情绪（调整步幅建议缩小）
        emotion_sad.npy - 调整此项可增添/减弱一些伤心的情绪（调整步幅建议缩小）
        emotion_surprise.npy - 调整此项可增添/减弱一些惊讶的情绪（调整步幅建议缩小）
        eyes_open.npy - 调整眼睛的闭合程度
        face_shape.npy - 调整脸型
        gender.npy - 调整性别
        glasses.npy - 调整是否戴眼镜
        height.npy - 调整脸的高度
        race_black.npy - 调整此项可接近/远离向黑种人变化
        race_white.npy - 调整此项可接近/远离向白种人变化
        race_yellow.npy - 调整此项可接近/远离向黄种人变化
        smile.npy - 调整笑容
        width.npy - 调整脸的宽度
    '''
    direction_file = 'age.npy'  # 从上面的编辑向量中选择一个

    # 在这儿选择调整的大小，向量里面的值表示调整幅度，可以自行编辑，对于每个值都会生成一张图片并保存。
    coeffs = [-15., -12., -9., -6., -3., 0., 3., 6., 9., 12.]

    # 开始调整并保存图片
    move_latent_and_save(w, direction_file, coeffs, Gs_network, Gs_syn_kwargs)

🎈 调整结果

• 运行结果会存放在 results\age 文件夹中
• 可以根据图片去做一个渐变的视频，比如人物年龄从儿童转变到老龄，视觉效果很不错