本文經(jīng)AI新媒體量子位（公眾號(hào)ID:QbitAI）授權(quán)轉(zhuǎn)載，轉(zhuǎn)載請(qǐng)聯(lián)系出處。

當(dāng)年輕的馬斯克換上女裝，是這個(gè)亞子。

好清秀的姑娘啊~

而若加上胡子，就瞬間變成另一種“風(fēng)味”。

還可以看看馬斯克過(guò)幾年禿頭的樣子。（手動(dòng)狗頭）

害，馬斯克還是馬斯克，還是那個(gè)“地球新首富”。

實(shí)現(xiàn)這些的，是一種基于StyleGAN2的新技術(shù)——StyleFlow，根據(jù)指定條件，就可以生成人臉。

除了上面這些換女裝、變禿、畫(huà)胡子等功能，還集成了換姿勢(shì)、調(diào)整光照、改變表情等效果，甚至還可以用在車(chē)上。

根據(jù)條件生成人臉

我們知道，由于GAN潛伏空間內(nèi)部的相互作用，通常對(duì)一個(gè)屬性條件進(jìn)行編輯的時(shí)候會(huì)很容易導(dǎo)致其他屬性不必要的而變化。本文正是基于這個(gè)背景下，提出了StyleFlow。

具體來(lái)說(shuō)，探討了兩個(gè)方面的問(wèn)題：屬性條件取樣和屬性控制編輯。

第一，屬性條件取樣。對(duì)具有特定屬性的高質(zhì)量真實(shí)圖像進(jìn)行取樣；

第二，屬性控制編輯。對(duì)給定的圖像進(jìn)行編輯，使編輯后的圖像具有目標(biāo)屬性，同時(shí)最好地保留源圖像的特性。

StyleFlow所推斷的路徑是以輸入圖像為條件，因此可以適應(yīng)各個(gè)人臉的獨(dú)特性。

首先從源圖像開(kāi)始使用反向推理，通過(guò)CNF塊的序列進(jìn)行正向推理來(lái)支持屬性條件編輯。

圖中，z表示先驗(yàn)分布的變量，w表示StyleGAN的中間權(quán)重向量。

還要注意的是，逆向推理和正向推理是由一個(gè)ODE求解器來(lái)實(shí)現(xiàn)的，它來(lái)評(píng)估時(shí)間變量上的CNF函數(shù)。

其中，屬性向量at為條件學(xué)習(xí)函數(shù)是關(guān)鍵，既可以正向推理，也可用于反向推理。

隨后，使用StyleFlow的屬性條件采樣，通過(guò)重新采樣Z0 定義他們的屬性。

最終，研究人員使用StyleGAN的人臉和汽車(chē)潛伏空間對(duì)我們的方法進(jìn)行了評(píng)估，并在真實(shí)照片和StyleGAN生成的圖像上展示了沿各種屬性的細(xì)粒度的分離編輯。

例如，對(duì)于人臉，改變了相機(jī)姿勢(shì)、照明變化、表情、面部頭發(fā)、性別和年齡。

還可以一對(duì)多的批量化操作。

[[375383]]

最后通過(guò)大量的定性和定量比較，以及與已有的技術(shù)相比，研究人員證明了StyleFlow的優(yōu)越性。

背后的團(tuán)隊(duì)

這項(xiàng)技術(shù)由阿卜杜拉國(guó)王科技大學(xué)（KAUST）、Adobe共同研發(fā)，第一作者是來(lái)自KAUST的Rameen Abdal。

研發(fā)團(tuán)隊(duì)中還有一位華人面孔——朱培豪。

他本科畢業(yè)于東北大學(xué)自動(dòng)化專(zhuān)業(yè)，隨后前往中國(guó)科學(xué)院大學(xué)學(xué)習(xí)計(jì)算機(jī)科學(xué)。

碩士畢業(yè)后，來(lái)到阿卜杜拉國(guó)王科技大學(xué)計(jì)算視覺(jué)中心攻讀博士。

除了生成人臉，還能造車(chē)？

最后，分享一下這項(xiàng)技術(shù)的“造車(chē)”的效果~

改變一下顏色。

旋轉(zhuǎn)任意角度。

普通車(chē)秒變SUV~

雖然這些Demo里沒(méi)有特斯拉的效果，但還是要問(wèn)一句：

So，馬斯克感興趣嗎？（手動(dòng)狗頭）

GitHub：
https://github.com/RameenAbdal/StyleFlow
演示視頻：
https://www.youtube.com/watch?v=LRAUJUn3EqQ&feature=youtu.be
論文地址：
https://arxiv.org/pdf/2008.02401.pdf
項(xiàng)目地址：
https://rameenabdal.github.io/StyleFlow/