栗子 假装发自 凹非寺
量子位 出品 | 公众号 QbitAI
你大概还没忘记，英伟达去年年底推出的GAN，它合成的人脸甚至骗得过肉眼。
如今，它终于有了自己的名字，叫StyleGAN。顾名思义，GAN的生成器，是借用风格迁移的思路重新发明的，能在粗糙、中度、精细三个层面调节图像生成。
更重要的是，你现在也能自己养一只这样的GAN了：
官方实现的代码开源了，提供了许多预训练好的模型，自然也支持自己训练模型。
另外，Flicker人像照片的高清数据集 (FFHQ) 也开源了，包含70,000张高清人脸。
官方实现
首先，送上来自英伟达的友情提示：
这个实现可以用Linux跑，也可以用Windows跑，但墙裂推荐大家用Linux跑，为性能和兼容性着想。
除此之外，必需品还有Python 3.6，和TensorFlow 1.10以上 (支持GPU) 。
预训练模型
这里，用pretrained_example.py举个简易的栗子。执行的时候，脚本会从Google Drive下载一个预训练的StyleGAN生成器，然后用它来生成图像：
预训练的生成器有三种食用方法：
一是Gs.run()快速模式，这里的输入和输出都是numpy阵列：
二是用Gs.get_output_for()把生成器整合到一个更大的TensorFlow表达式里面：
三是查找Gs.components.mapping和Gs.components.synthesis，访问生成器的各个子网络。与Gs相似，这鞋子网络也表示为dnnlib.tflib.Network的独立示例。
自己训练模型
如果不满足于预训练的模型，想自己训练模型，就要先：
一、处理好数据集
把数据集储存为多重分辨率的TFRecords，训练和评估脚本都是在这上面跑：
数据集表示为一个目录，里面的每张图像都有多种不同的分辨率，用于高效的streaming。每个分辨率都有一个自己的*.tfrecords文件。数据有标注的话，也是用一个分开的文件来储存的。
二、训练吧
官方提供的训练过程分四步：
1. 编辑train.py，通过取消注释或者修改某些行，来指定数据集和训练配置；
2. 用train.py来运行训练脚本；
3. 结果会写在一个新目录里，叫results/-；
4. 训练直至完成，几天时间可能是要的。
(最好有一台英伟达高端GPU，至少11GB的DRAM，再开始训练。有很多台的话，当然更好。)
至于训练好的模型该怎样评估，大家可以去项目页自行观察。
高清无码数据集
和官方代码实现一起发布的，就是Flickr高清人脸数据集 (FFHQ) 了。
那些几可乱真的人脸，就是StyleGAN吃了这个数据集，才生成的。
数据集里包含7万张1024 x 1024高清人像。英伟达说，这些照片在年龄、种族、以及图片背景上，都有很强的多样性。
并且，眼镜、墨镜、帽子这些元素，也是应有尽有。
团队说，图像是直接从Flickr上面扒下来，自动对齐自动裁剪而成。并且，数据集里收录的图片都有使用许可，无须担心。
还不去试试
有大胆想法的同学们，可以去试试了。毕竟，不是只有生成人脸这一种功能，猫片，汽车，房间……
你还想生成一些什么？
代码实现传送门：https://github.com/NVlabs/stylegan
FFHQ数据集传送门：https://github.com/NVlabs/ffhq-dataset
论文传送门：https://arxiv.org/abs/1812.04948
— 完 —
量子位 · QbitAI
վ'ᴗ' ի 追踪AI技术和产品新动态
戳右上角「+关注」获取最新资讯↗↗
如果喜欢，请分享or点赞吧~比心❤
