- 综合排序
- 最热优先
- 最新优先
- 来自专栏目标检测和深度学习
用Python 代码实现简单图片人像识别换脸
链接：http://codebay.cn/post/8232.html 在这篇文章中我将介绍如何写一个简短（200行）的 Python 脚本，来自动地将一幅图片的脸替换为另一幅图片的脸。 旋转、缩放、平移和第二张图片，以配合第一步。 调整第二张图片的色彩平衡，以适配第一张图片。 把第二张图像的特性混合在第一张图像中。 特征提取器（predictor）需要一个粗糙的边界框作为算法输入，由一个传统的能返回一个矩形列表的人脸检测器（detector）提供，其每个矩形列表在图像中对应一个脸。
5.4K110发布于 2018-04-19 - 来自专栏业余草
Deepfakes 换脸教程！
做这个的原因是因为我们主要关注的是换脸，所以只需要获取脸部的特征，其他环境因素对换脸的影响并不大。 ? 在面部抓取的过程完成后，我们可以得到所有脸部图片。 在训练完模型后（损失值较低），可以使用以下命令对目标图进行换脸： ? 此处的例子是找的一个视频，所以我们可以先用下面的命令将一个视频以一个固定频率转化为图片： ? 然后执行转换人脸操作。 最后将转换后的人脸图片集合，合成一个视频： ? 下面是两个换脸图（样本A 110张图片，样本B 70张图片，训练时间6小时）： ? ? 嗯…效果不咋样… 建议大家可以增大样本量，并延长训练时间。 这里用到了AutoEncoder（一种卷积神经网络），它会根据输入图片，重构这个图片（也就是根据这个图片再生成这个图片）： ? 这样最后我们用图片B获取到的脸，使用encoder抽取特征，再使用A的decoder还原，便会得到A的脸，B的表情。
5.8K63发布于 2019-09-06 - 来自专栏AI算法能力提高班
换脸&生成 | 让你们的脸为所欲为
911f21c836f3d2c6fe.gradio.live 如果链接失效，可私信或者输入 PhotoMaker获取最新链接 https://cbae57f7a9ea6a9768.gradio.live ❗️❗️❗️【重要】个性化步骤：1️⃣ 上传人物图片 样例1 输入参考图像（一定要带脸） 2 输入提示词（不要输入中文，请输入英文） a man, suit 3 输入参考姿势图像（可选项） 输入的Pose姿势图像，可以调整生成图像的面部姿势（朝向） 4
1.5K11编辑于 2024-01-29 - 来自专栏cuijianzhe
python 实现 AI 换脸
AI 换脸实现 科普：我们人眼看到连续画面的帧数为 24 帧，大约 0.04 秒，低于 0.04 就会卡成 ppt。 usr/bin/python # -*- coding: utf-8 -*- # @Time : 2019/9/1 8:50 # @Author : cuijianzhe # @File : AI换脸 faces[0] rectangle = list0['face_rectangle'] # print(rectangle) return rectangle #number表示换脸的相似度 faces[0] rectangle = list0['face_rectangle'] # print(rectangle) return rectangle #number表示换脸的相似度 不过目前是实现了从宋祖儿---> 朴信惠换脸术， ---- 标题：python 实现 AI 换脸 作者：cuijianzhe 地址：https://solo.cjzshilong.cn/articles
7.1K11编辑于 2022-06-14 - 来自专栏全栈程序员必看
如何使用 Deepfakes 换脸
做这个的原因是因为我们主要关注的是换脸，所以只需要获取脸部的特征，其他环境因素对换脸的影响并不大。 在面部抓取的过程完成后，我们可以得到所有脸部图片。 转换人脸 在训练完模型后（损失值较低），可以使用以下命令对目标图进行换脸： . 下面是两个换脸图（样本A 110张图片，样本B 70张图片，训练时间6小时）： 嗯…效果不咋样… 建议大家可以增大样本量，并延长训练时间。 这里用到了AutoEncoder（一种卷积神经网络），它会根据输入图片，重构这个图片（也就是根据这个图片再生成这个图片）： 这里 AutoEncoder模型做的是：首先使用encoder将一个图片进行处理 这样最后我们用图片B获取到的脸，使用encoder抽取特征，再使用A的decoder还原，便会得到A的脸，B的表情。
3.5K10编辑于 2022-09-01 - 来自专栏AI研习社
深度解密换脸应用 Deepfake
Deepfake 就是前一阵很火的换脸 App，从技术的角度而言，这是深度图像生成模型的一次非常成功的应用，这两年虽然涌现出了很多图像生成模型方面的论文，但大都是能算是 Demo，没有多少的实用价值，除非在特定领域 一、基本框架 我们先看看 Deepfake 到底是个何方神圣，其原理一句话可以概括：用监督学习训练一个神经网络将张三的扭曲处理过的脸还原成原始脸，并且期望这个网络具备将任意人脸还原成张三的脸的能力。 人脸识别问题 由于第一个环节是对人脸做预处理，算法必须首先能识别出人脸，然后才能处理它，而 dlib 中的人脸检测算法，必须是「全脸」，如果脸的角度比较偏就无法识别，也就无法「换脸」。 也就是说同一张人脸图片，让他合成大于自己的或小于自己的脸都是有道理的，另外当人脸角度变化较大时，这种抖动就会更明显。 我不禁联想到了 Nvidia 的那篇论文，没有条件的 Gan 虽然可以生成高清的图片，但是没法人为控制随机因子 z，无法指定具体要生成生成什么样的脸，而有条件的 Gan 样本又过于昂贵。
4.3K60发布于 2018-03-28 - 来自专栏aigc
ComfyUI 换脸工作流
https://github.com/Gourieff/comfyui-reactor-node换脸工作流ComfyUI 换脸工作流能够处理图片、视频以及多人换脸任务，可以通过 Set Group Nodes 我一般先启用图片换脸任务查看效果，调整参数达到满意程度后再切换到视频换脸。图片换脸在图片换脸的工作流中，需要 2 个 Load Image 节点来分别上传原图和参考人脸图片。 工作流最后，添加 Preview Image 节点来预览和保存效果图，并确保所有节点正确连接，这样初步构建起图片换脸的基本工作流：多人换脸参数 faces_index 用于指定在图像中存在多个人脸时，选择使用哪个位置的脸部 视频换脸对于视频而言，其核心思路在于对视频中的每一帧都执行相同的换脸操作，并确保视频在换脸后保持连贯性和一致性。Load Video创建一个 Load Video 节点，上传视频并连接视频到图像处理。 小结通过上述步骤和参数设置，ComfyUI Reactor 节点为我们提供了一个强大而灵活的换脸解决方案。从图片到视频，从单人到多人换脸，我们都可以借助工作流轻松实现效果。
3.9K10编辑于 2025-01-21 - 来自专栏深度学习那些事儿
解密Deepfake(深度换脸)-基于自编码器的(Pytorch代码)换脸技术
另外还有实现川普和尼古拉脸相换： 当然这只是DeepFake的冰山一角，Deepfake当初火起来的原因可以说是广大拥有宅男心态的程序员们一起奋斗的结果。 最早之前，实现人脸互换是通过分别分析两者人脸的相似信息来实现换脸，也就是通过特征点匹配来提取一张脸中例如眉毛、眼睛等特征信息然后匹配到另一张人脸上。 关于更多自编码器的知识：理解深度学习:与神经网络相似的网络-自编码器(上) 网络构架 那么应该如何通过自编码器实现我们的换脸技术呢？ 总之，我们想实现换脸的操作，在整体结构不变的基础上，需要满足以下几点： 如上图，也就是类似于VGG的编码网络、还要可以打乱空间结构结构的全连接网络、以及可以快速且较好地上采样图像的Sub-Pixel网络 总结 总得来说，这个换脸技术是一个结构简单但是知识点丰富的一个小项目，其结构简单易于使用以及修改，并且可以生成不错的效果，但是因为其拥有较多的参数，其运行速度并不是很快(当然我们可以通过改变编码层和解码层结构加快训练生成的速度
4.9K50发布于 2019-01-23 - 来自专栏C语言入门到精通
AI 换脸用来拍“大片”？？
AI 换脸又一次刷爆了朋友圈 最近云毕业正当时，各家科技公司顺势推出了自己的 AI 换脸技术，结果又被同学们玩坏了！ 换脸这件事绝不能少了业界大佬们！ ? 仔细来看，AI 换脸技术近些年还是成熟不少，整体的面部贴合度、细节处理都有了明显的提升。近日，Deepfake 领域再一次取得了重要突破。 局部融合更考验换脸的技术难度。为了验证算法性能，研究人员他们没有对人脸的眼部、唇部等局部器官进行了融合，效果也是非常惊人。 ? 除了替身演员的全脸交换外，如需要刻画一位年龄逐渐增长的人物或已经进入垂暮之年的老人，可以根据需要为角色添加细微皱纹、发型和体态。 基于梳状模型的最新算法 那么这项 AI 换脸技术是如何实现的呢？我们先来看一组完整的换脸路径图： ?
4.9K3329发布于 2020-09-08 - 来自专栏CVer
Facebook改进换脸术：无需“投喂”图片，从视频里直接变脸
过去Deepfakes这项技术需要很多准备材料：一是被替换人脸的原视频，二是来自换脸人面部各个角度的照片。有这两样东西才能造出完美无暇的换脸视频。 而来自Facebook的技术不需要照片，可以从原视频直接生成换脸视频，甚至能对实时视频进行换脸。 它让“大表姐”变得不再熟悉。 ? Facebook研发这项技术可不是为了换脸好玩，最近因使用人脸识别技术饱受争议，这家公司希望通过这项新技术来保护用户的隐私。 人脸识别和换脸技术对普通民众的隐私也造成了很大的威胁。 比如前一阵大热的换脸应用ZAO，让每个人都享受到换脸带来的乐趣，但同时也会收集用户图片。 研究人员在论文摘要中说：“人脸识别可能会导致隐私丢失，而换脸技术可能会被用于制作误导性视频。” 本周，Facebook还联合微软和亚马逊，提供Deepfakes换脸挑战数据集，希望能够提高识别换脸视频算法的鲁棒性，以控制假视频的传播。 此举颇有些以彼之矛攻彼之盾的意味。
1.6K20发布于 2019-12-31 - 来自专栏奇点大数据
AI 换脸技术——DeepFakes 概述（二）
相关文章：AI 换脸技术——DeepFakes 概述（一） DeepFakes的“短板” 尽管DeepFakes所呈现出的结果让人很惊讶，但就现在来说，它的局限性还是很明显的： 首先，DeepFakes 如果要用另外一个人的脸替换视频中的脸，那么你需要300到2000张这个人的人脸图片。所需图片的数量取决于人脸的变化程度，以及它们与原始视频的匹配程度。 因此视频换脸比较适用于艺人，或者是那些在网上有大量照片的人。所以很明显，并不是任何人的人脸交换都是这么简单的。 其次，训练的数据必须要选择非常有代表性的图片。 举例来说，如果你希望生成的某种面部表情，那么你的数据图片中就必须要有大量这种表情的图片。 DeepFakes的另一局限性在于，建立一个换脸模型会消耗大量的时间和金钱。一般的换脸效果大概需要48小时的训练，而一个相对不错的换脸则需要大约72小时的训练才能达到。
6.1K70发布于 2018-04-24 - 来自专栏CNN
【Python案例】基于OpenCV换脸效果
0 前言 当前基于深度学习的人工智能的换脸技术比较多，但实际上，对于一些相同角度、相似肤色换脸场景其实无须通过深度学习模型即可达到比较好的效果。 本文基于OpenCV针对相同脸部角度、相似肤色场景实现完美换脸。 最终效果如下所示（下图为动态图，读者可以仔细观察脸部变化过程）： [相互换脸效果] 1 原理 原理如下： 查找脸部关键点 获取关键点凸包，并对凸包点计算delanauy三角形。 dlib可以检测人脸68个关键点，如下所示： [68个关键点] 3 delanauy三角形 得到68个关键点后无法直接贴脸，因为每个人的脸型大小不一致。 公众号聊天界面回复：换脸 获取完整源码。 如果您觉得本文有帮助，辛苦您点个不需花钱的赞，您的举手之劳将对我提供了无限的写作动力！ 也欢迎关注我的公众号：Python学习实战， 第一时间获取最新文章。
3.1K52编辑于 2022-05-22 - 来自专栏电脑网络小帮手
AI换脸是什么魔鬼技术？
讲到换脸这种技术，在很早以前，网上流传着一句话，叫做有图有真相， 直到PS把人脸完美的换掉的时候，大家就觉得图片也许并不能代表真相，而代表真相的也许就剩下视频了。 ? 可是当时据制片方说，换脸的成本太高，投资2亿美元的速7才拍了一半，面临进退两难，不过结果大家也看到了。 ? 这一技术出世后，被大量用到了明星换脸上。 ? ? 当然这项技术诞生后，立马遭到大量网络用户抨击，因为换脸技术， 可能会导致特别多的虚假视频出现，虚假新闻也会随之而来， 包括污蔑和诽谤的视频。 现在只需要在B站搜索AI换脸，已经有许多的成品视频了， 有兴趣的话可以去搜索看一看。 任何一个新兴的技术诞生，都意味着科技的进步， 也许以后我们还可以看到李小龙的电影， 如果技术足够成熟的话。
4.8K20发布于 2019-07-30 - 来自专栏奇点大数据
AI 换脸技术——DeepFakes 概述（一）
利用DeepFakes技术，你只需要一个GPU和一些训练数据，就能够制作出以假乱真的换脸视频。 从Jimmy Fallon到John Oliver的“换脸”结果 下面的视频是经过了大约30000张（Jimmy和Oliver每人各约15000张）图片的模型训练制作完成的，我从6-8个时长分别在3-5 关键是我事先并没有对视频做过任何改动，全是算法的功劳——算法通过观察大量的图片数据，学会制作出这样以假乱真的换脸视频。你一定也觉得非常神奇吧？ 首先，我们给编码器输入了一张Jimmy扭曲脸的图片，并尝试用解码器A来重新还原他的脸，这就使得解码器A必须要学会在纷繁复杂的图片中识别并且还原出Jimmy的脸。 2. 然后，把Oliver扭曲脸的图片输入至同一个编码器，并用解码器B来还原Oliver的脸。 3.
7.7K50发布于 2018-04-24 - 来自专栏DevOps
Python：基于dlib，numpy进行换脸实践
traceback import cv2 import dlib import numpy as np class TooManyFaces(Exception): ''' 定位到太多脸 /data/shape_predictor_68_face_landmarks.dat 头（背景和发型）来源图片的路径的字符串列表，根据此列表在实例化时载入多个头像资源， self.predictor(im, rects[0]).parts()]) def read_im(self, fname, scale=1): ''' 读取图片 combined_mask return out def save(self, output_path, output_im): ''' 保存图片 > <输出图片路径>(可选，默认.
61610编辑于 2024-03-29 - 来自专栏机器之心
教程 | 如何使用DeepFake实现视频换脸
机器之心发布 作者：冯沁原 不久之前，AV 视频换脸明星的 DeepFake 火了。这篇文章将一步步教你如何实现换脸。 因为视频是连续的图片，那么我们只需要把每一张图片中的脸切换了，就能得到变脸的新视频了。那么如何切换一个视频中的图片呢? 这需要我们 首先找到视频中的脸，然后把脸进行切换。 它将人脸分成了如下的区域: 眼睛 (左/右) 眉毛 (左/右) 鼻子 嘴 下巴 基于这些标记，我们不仅能够进行后续的换脸，也能检测脸的具体形态，眨眼状态等。 ，通过编码器和解码器还原 A 的脸;然后我们输入 B 的图片，通过相同的编码器但是不同的解码器还原 B 的脸。 padding='same', activation='sigmoid')(x) return KerasModel(input_, x) 整个网络的结构如下： 来源: 刷爆朋友圈的视频人物换脸是怎样炼成的
10.7K30发布于 2018-06-08 - 来自专栏小陈运维
人工智能 deepface 换脸技术 学习
人工智能 deepface 换脸技术 学习 介绍 Deepface是一个轻量级的python人脸识别和人脸属性分析（年龄、性别、情感和种族）框架。
3.6K30发布于 2021-11-13 - 来自专栏小陈运维
人工智能 deepface 换脸技术 学习
Deepface是一个轻量级的python人脸识别和人脸属性分析（年龄、性别、情感和种族）框架。它是一种混合人脸识别框架缠绕状态的最先进的模型：VGG-Face，Google FaceNet，OpenFace，Facebook DeepFace，DeepID，ArcFace和Dlib。那些模型已经达到并通过了人类水平的准确性。该库主要基于 TensorFlow 和 Keras。
2.7K10编辑于 2022-08-19 - 来自专栏机器学习与生成对抗网络
AI 换脸术「Deepfakes」进化简史
更确切地说，它们是由 AI 从几百万张像素图片中总结学习而来，最终创作出了难辨真伪的结果。 顺带一提，这些图片是在 thispersondoesnotexist.com 网站上创建的。 2017 年秋季，我们看到了第一张以“deepfakes”命名的色情图片，内容是把色情女演员的面部替换成了其他知名女性。 几个月之后，以色列研究人员又推出了换脸 GAN（FSGAN）。这套 AI 模型能够对即时视频中的人脸进行实时交换。 Wombo AI 是从真实表演者的录制视频中学习知识，再将照片人物的脸与原始演唱者的表情匹配起来，由此完成视频制作。 但要想获得这种实时换脸功能，用户得拥有一块能支持 3A 游戏大作的高端显卡。 2021 年，所谓扩散模型也首次在图像质量上追平了之前风头无两的 GAN。
5.4K40编辑于 2022-10-31 - 来自专栏AIoT技术交流、分享
《复仇者联盟》AI换脸平台
近日，外国的网友创建了一个Avenge Them网站，可以将《复联》中的英雄一键换脸，几秒钟就能让复联增加一个“新面孔”。 接来下上传一张我的正脸照片进行亲身体验，哈哈哈，真是有趣~ ? ?
4K30发布于 2021-01-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号