StyleGAN 生成 AI 虚拟人脸，再也不怕侵犯肖像权

🎈 什么是 StyleGAN

• GAN 是机器学习中的生成性对抗网络，目标是合成与真实图像无法区分的人工样本，如图像。即改变人脸图像中的特定特征，如姿势、脸型和发型，GAN 的主要挑战就是如何图像变得更加逼真。

• StyleGAN 是一种基于样式的 GAN 的生成器体系结构，是一个强大的可以控制生成图片属性的框架，它采用了全新的生成模型，分层的属性控制，能够生成 1024×1024 分辨率的人脸图像，并且可以进行属性的精确控制与编辑，可以生成最先进的结果—高分辨率图像，看起来比以前生成的图像更真实。

用 StyleGAN 技术生成的明星人脸图

🎈 如何使用 StyleGAN

• 对于使用 StyleGAN 技术生成人脸的技术已经开源了，已支持网红脸、明星脸、萌娃脸、超模脸、黄种人脸等图像的生成。

• 对于 windows 中如何使用这项技术呢？

• 首先我们需要有 Python3 环境，这里推荐 Anaconda 集成环境，下载地址：https://www.anaconda.com/
  

• 另外我们需要安装 CUDA 10.0及以上的环境，下载地址：https://developer.nvidia.com/cuda-10.0-download-archive
  

• 其次我们需要安装 CUDA 10.0 对应的 cuDNN，我下载的是 cuDNN 7.6.4 for CUDA 10.0，下载地址：https://developer.nvidia.com/rdp/cudnn-archive
  

• 最后我们需要安装 VS2017 或 VS2019，下载地址：https://visualstudio.microsoft.com/zh-hans/vs/，安装的时候一定勾选上 使用 C++的桌面开发

安装 Anaconda

安装 CUDA 10.0

安装 cuDNN

安装 VS2019

🎈 下载项目

• 首先我们需要下载项目到本地，然后再安装项目所需的一些依赖即可

• 项目地址：https://github.com/a312863063/generators-with-stylegan2.git
  

• 如果你无法通过 git clone 下载，也可以直接去链接里面下载压缩包，下载到本地后再解压

# 下载项目库git clone https://github.com/a312863063/generators-with-stylegan2.git
# 安装依赖pip install tensorflow-gpu==1.14.0pip install scipy==1.3.3pip install requests==2.22.0pip install Pillow==6.2.1	

🎈 修改项目 MSVC

• 需要打开项目中的文件 dnnlib/tflib/custom_ops.py，第 29 行所标注的 MSVC 的版本号

• 这个依据自身电脑安装的版本进行修改便可，一般只需要修改下图的 14.16.27023 的位置即可

compiler_bindir_search_path = [    'C:/Program Files (x86)/Microsoft Visual Studio/2017/Community/VC/Tools/MSVC/14.16.27023/bin/Hostx64/x64',    'C:/Program Files (x86)/Microsoft Visual Studio/2019/Community/VC/Tools/MSVC/14.16.27023/bin/Hostx64/x64',    'C:/Program Files (x86)/Microsoft Visual Studio 14.0/vc/bin',]

🎈 运行项目

• 只需要运行 python main.py 即可生成对应的模型的图片

• 在 main.py 文件中，我们可以看到，可以自定义模型和一次性生成图片的数量

• 模型需要自行下载，下载完成后放到 networks 目录下，想生成哪种类型的图片，只要更换模型路径即可

• 现在支持网红脸、明星脸、萌娃脸、超模脸、黄种人脸等模型，下载链接在 networks 文件夹下文本文档中

def main():    os.makedirs('results/', exist_ok=True)    os.makedirs('results/generate_codes/', exist_ok=True)
    network_pkl = 'networks/generator_star-stylegan2-config-f.pkl'  # 模型位置    generate_num = 20  # 生成数量
    generate_images(network_pkl, generate_num)

🎈 运行结果

• 生成的对应结果存放在 results 文件夹下

AI人脸生成结果