图像风格转换[1][2][3]在效果上的成功,使得研究者们开始拓展它的应用范围,换脸就是其中之一。在图像风格转换算法框架下,如果将风格图像换做目标人脸,那么就有可能将图像中的人脸换掉。
由于图像风格转换的算法框架下是语义级别的图像内容操作,因而,在图像风格转换框架下的换脸可以达到原图的表情、肤色、光照不变。
上图中,a是原图,b是由本文描述的算法得到的结果,c是直接使用图像编辑软件得到的结果。
本文的算法来源于参考文献[4].下面将对算法细节进行进行描述。
算法细节
图像预处理
想要进行换脸操作,首先要将脸的位置对齐,这个步骤使用两种技术,人脸对齐和背景切分。对齐使用如下步骤:
- 获取原图和目标图中人脸的68个关键点
- 通过对这68个关键点进行线性变换,将原图中的人脸摆正。
- 通过对这68个关键点进行匹配,将目标图中的人脸映射到原图中人脸的位置。
- 将原图中的人脸与背景切分,以方便后续只对人脸区域进行操作。
网络结构
延循之前的算法框架,本算法采用一种多尺寸结构,小尺寸的图像经过卷积后自动上采样为2倍大小,然后再和大尺寸的图像进行通道连接。
没去看之前的算法框架为何要采用这样的方式,但个人推测是为了保证分辨率,因为在低分辨率的图像上容易训练。
损失函数
内容损失
同[1][2][3]类似,图像的损失函数是基于一个已经训练好的神经网络里的feature_map。类似的,内容损失函数为:
风格损失
针对人脸问题,风格损失函数做了一些修改,因为Gram Matrix不能够捕捉到图像中的结构信息,因而在人脸问题上不能应用,所以,本文使用[3]中的最近邻方法,即原图中的某个位置的图像用目标图中最相似的片段进行替换。
但同[3]不同的是,[3]中对于原图中的某个patch,搜索域是全局域,即在全局域去寻找相似patch,而本文算法则根据从人脸中提取的关键点来对搜索域进行限制。即对输入图像的人脸的某个部分,只在目标图中的某个部分附近进行相似patch搜索。
本算法还有一个要求:需要目标人脸的多张图像,即多张风格图像。在相似patch搜索时,损失在图像区域上有所限制,但是可以在多张图像提取的patch上进行搜索,这样,可以保证能够复现多种多样的表情。
所以,风格损失函数为:
光照损失
上述两种损失函数都是依赖于从训练好的VGG网络中提取的特征图,而VGG网络是针对分类训练的网络,并不能特定的提取光照特征。
为了保持换脸过程中光照保持不变,那么需要对光照上的变换进行惩罚。而为了提取光照变化,算法针对光照训练了一个CNN分类器,针对两张除了光照外其他都不变的图像,分类器判断这一对图像是否发生了光照变换。
使用从这个网络中得到的feature map进行光照损失的计算
平滑损失
与其他类似,
损失函数
综上所述,损失函数为
效果
在本算法框架下,针对每一个目标人脸,都需要一个网络。训练了两个网络,一个是Nicolas Cage,另一个是Taylor Swift。
正脸的作用
对比了各种角度人脸的替换结果
越是正脸,就越像Cage,原因可能是数据的不均衡性导致的,因为目标图像中侧脸比较少。
光照损失的作用
左中右分别为,原图,带光照损失的换脸和不带光照损失的换脸。
风格损失权重的作用
左中右分别为,原图,风格损失权重=80,风格损失权重=120。
错误示例
左中,遮挡物被去掉了,说明算法不支持遮挡物
右,效果差,因为不是正脸,且pose比较少见。
总结
可提升之处:
- 生成图像的质量来源于目标图像的丰富性。侧脸的差效果可能是因为目标图像中侧脸的图像少的缘故。增加目标图像的丰富程度可以提升效果
- 一些图像看起来被过度平滑了,添加GAN损失可能能解决这个问题。
- 修改损失函数使遮挡物可以保存下来。
- 增强人脸关键点检测算法。
- 使用VGG-Face网络来进行内容损失和风格损失的计算。
参考文献
- [1]. 图像风格转换
- [2]. 感知损失
- [3]. MRF和CNN的图像生成
- [4].Korshunova I, Shi W, Dambre J, et al. Fast Face-swap Using Convolutional Neural Networks[J]. arXiv preprint arXiv:1611.09577, 2016.
更多内容欢迎关注微信公众号【雨石记】。
![](https://i-blog.csdnimg.cn/blog_migrate/d44791d8784753e86ad08a7700c725ff.jpeg#pic_center)