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:
方法名称 | W 向量 | vgg16-zhang 模型 |
更多推荐
【实战】轻轻松松使用StyleGAN2(九):比较 StyleGAN2 重建真实人脸的四种方法
发布评论