【实战】轻轻松松使用StyleGAN2（九）：比较 StyleGAN2 重建真实人脸的四种方法

四种方法"/>

【实战】轻轻松松使用StyleGAN2（九）：比较 StyleGAN2 重建真实人脸的四种方法

StyleGAN2显著地提高了生成图像的质量，作为其中一个应用，利用StyleGAN2找到真实人脸的最优潜码并重建图像，是一个有意思的话题。

到目前为止，我们收集到了四种重建真实人脸的方法，分别是：

（1）StyleGAN2 官网自带的 run_projector.py，参见：轻轻松松使用StyleGAN2（二）：使用run_projector.py将真实人脸投射到StyleGAN2 dlatents空间并重建图像

（2）rolux基于 run_projector.py 改进的 project_images.py，参见：轻轻松松使用StyleGAN2（四）：StyleGAN2 Encoder，使用 projector_images.py 重建高质量人脸图像

（3）rolux开发的 StyleGAN Encoder，参见：轻轻松松使用StyleGAN2（三）：一笑倾人城，再笑倾人国：让你的女朋友开心笑起来

（4）将Pbaylies在一代 StyleGAN Encoder 中成果，移植到 StyleGAN2 上，参见：StyleGAN2 使用 pbaylies/stylegan-encoder 将图片投影到潜在空间 。

【注意】方法（4）需要用到 .\dnnlib\tflib\network.py 中 run() 方法的 custom_inputs 参数，而更新后的 dnnlib 库删除了与 custom_inputs 相关的代码，如果要成功运行方法（4），可以到百度网盘下载包含 custom_inputs 参数的 dnnlib 库，

链接:

提取码: wjya

这四种重建真实人脸的方法，各自的特点和处理速度如何呢？我们的实验结果如下表所示：