一键上妆的BeautyGAN

最近忙着弄论文，不知不觉三个多月没更新了 = =

内心实在过意不去，分享一下前段时间看的一篇论文，以及复现的模型～

一键上妆效果以下

BeautyGAN

• 论文名称：BeautyGAN: Instance-level Facial Makeup Transfer with Deep Generative Adversarial Network，2018年的ACM MM
• 官方网站：liusi-group.com/projects/Be…
• 实现功能：输入两张人脸图片，一张无妆，一张有妆，模型输出换妆以后的结果，即一张上妆图和一张卸妆图

采用了经典的图像翻译结构：

• 生成器G包括两个输入，分别是无妆图、有妆图，经过encoder、residual blocks、decoder获得两个输出，分别是上妆图、卸妆图
• 上妆和卸妆不能改变原始的人物信息，这里经过perceptual loss保证
• 使用两个判别器，DA区分真假无妆图，DB区分真假有妆图
• 训练了一个语义分割网络用于提取人脸不一样区域的mask，上妆图和有妆图在脸部、眼部、嘴部三个区域需知足makeup loss，经过直方图匹配实现
• 把上妆图和卸妆图再次输入给G，从新执行一次卸妆和上妆，从而获得两张重建图，经过cycle consistency loss须要和原始图相同

论文中的上妆结果看起来很nice～

做者也很nice地给出了自建的数据集，包括1116张无妆图、2720张有妆图，在官方网站提供了下载连接

惟一不nice的是，没有开源代码，也没有提供训练好的模型

本身动手

看了论文中的效果，正好数据集也能够下载，感受挺有意思，固然要手动复现一下啦

复现结果以下，看起来还阔以～

• 项目放到了Github上，github.com/Honlan/Beau…
• 训练好的模型传到了网盘上，pan.baidu.com/s/1wngvgT0q…，7lip
• 编程环境为Python3.6和TensorFlow1.9
• 项目中包括11张无妆图片，以及9张有妆图片
• 下载训练好的模型，新建文件夹model，将模型文件放于其中

默认对imgs/no_makeup/xfsy_0068.png进行上妆

python main.py
复制代码

若是须要对其余人脸图片上妆，传入图片路径便可，推荐使用大小合适的正脸图片

python main.py --no_makeup xxx.xxx
复制代码

自取玩耍，欢迎star～