第一篇：《简单介绍DeepFaceLab（DeepFake）的使用以及容易被忽略的事项》
第二篇：《继续聊聊DeepFaceLab（DeepFake）不断演进的2.0版本》
第三篇：《如何翻译DeepFaceLab（DeepFake）的交互式合成器》
第四篇：《想要提高DeepFaceLab（DeepFake）质量的注意事项和技巧（一）》
第五篇：《想要提高DeepFaceLab（DeepFake）质量的注意事项和技巧（二）》
第六篇：《友情提示DeepFaceLab（DeepFake）目前与RTX3080和3090的兼容问题》
文章目录
一，新版2.0的发布（2020年8月2日）
随着作者小伙子伊佩罗夫的论文发表：《DeepFaceLab: A simple, flexible and extensible face swapping framework》，项目更新明显放缓，几个月只更新了一个整除的修正（/改为//，蛤？）。
目前整个效率和结果的准确性（真实性）相比我上次写的文章那个版本又上升了不少，当然主要是因为我很久没有关注，作者7月之前的版本更新还是挺快的。
我试了一下还是蛮不错的，因为训练用的时间不太长，例如下：
我老婆拯救世界第二季+四川话修改翻译，又又又重制版本：）
一起唱生日快乐歌吧！
二，Xseg
除了增加选项，提高分辨率，丰富模型以外。
最大的修改就是xseg，区别与以前的fanseg遮罩处理方式（2020年3月份就有了）。
大概意思就是，目标脸部有遮挡的时候，以前需要人工每一帧去画，避开遮挡物。
但现在只需要画一些关键帧，变化的帧，其它的交给机器学习。
比如你想把自己的脸换到某个视频的歌星身上，那段视频里他（她）唱歌时经常脸可识别但被麦克风档了一小部分。如果是以前的fanseg手动画，则需要画全部麦克风遮挡的帧（纳尼！），而现在只需要手动画一小部分不同类型的遮挡方式，其它的机器学习呗。
当然源可以和目标一样的处理，只不过何必呢——源脸是自己的，当然能找一套相对高质量各种角度的无遮挡素材。
主要命令就是下面这些（源和目标是一样的，我去掉了）
5.XSeg) data_dst mask - edit.bat
5.XSeg) data_dst mask - fetch.bat
5.XSeg) data_dst mask - remove.bat
5.XSeg) data_dst trained mask - apply.bat
5.XSeg) data_dst trained mask - remove.bat
5.XSeg) train.bat
2.1 编辑遮罩：5.XSeg) data_dst mask - edit.bat
这个脚本就是编辑目标脸部遮罩的，怎么用呢，我懒了直接翻译一下作者原话把，这一步需要稍微有点耐心，毕竟能力越强责任越大……啊不，画得越多质量越好……：
- 如果已打包需要先解压目标脸部集：5.2) data_dst util faceset unpack.bat
- 运行：5.XSeg) data_dst mask - edit.bat
- 阅读按钮上的工具提示（支持英 / 俄 / 中语言）
- 使用“包含”或“排除”多边形模式遮罩脸部。
- 重复编辑50/100张脸的遮罩，
!!! 您不需要画每一帧的遮罩
只有脸部明显不同的特征时才编辑，
例如：
睁开和闭上眼睛
改变头部方向
光线变化
您画遮罩的面孔越多，最终获得的质量就越好 - 从左上方区域开始遮罩，然后沿顺时针方向移动。
- 对所有帧保持相同的屏蔽逻辑，例如：
侧面的下颌线大致相同，其中下颌不可见
相同的发际线 - 使用排除多边形模式掩盖障碍物（话筒，帽子）。。
编辑器就是下面这个界面：
每个按钮鼠标移上去都有中文解析，和PS的选取差不多。
右边三种颜色仅仅是为了方便查看，比如要是给环视的脸用红色显示遮罩，就是个大灾难啊……
呃，这例子里面没有麦克风……脑一下自己画掉它……
2.2 训练遮罩：5.XSeg) train.bat
继续机翻：
- 运行：5.XSeg) train.bat 开始训练遮罩的模型
- 检查“ XSeg dst面孔”的预览。
- 如果某些面孔的遮罩出现错误或小的扭曲，请重复以下步骤：
运行上一步大的编辑器
找到这些有问题的脸并重新画遮罩
进一步训练或从头开始重新训练
PS：训练的时候好扭曲啊，这里我只是举个例子，不能再跑了，笔记本要炸了。。。
PS：训练完遮罩后，workspace/model/ 目录下就会有xseg的几个文件：
XSeg_256.npy
XSeg_256_opt.npy
XSeg_data.dat
XSeg_default_options.dat
XSeg_summary.txt
2.3 使用遮罩
在交互式合成器里面，选遮罩模式
这样就可以用学习到的遮罩了。
mask_mode: XSeg-dst
我记得之前好像说只能用整个脸的模式（Whole Face），
不过测试全脸（Full Face）也可以用，也许是版本更新了。
我测试的时候那些帧的cmd记录参数如下：
效果脑部，呃，我就不截图了。
MergerConfig 00001.jpg:
Mode: seamless
mask_mode: XSeg-dst
erode_mask_modifier: 45
blur_mask_modifier: 90
motion_blur_power: 0
output_face_scale: 0
color_transfer_mode: lct
sharpen_mode : gaussian
blursharpen_amount : 1
super_resolution_power: 0
image_denoise_power: 0
bicubic_degrade_power: 0
color_degrade_power: 20
================
2.4 其它脚本
还有几个脚本，有其它用途，
比如导出啊，应用到学习过程中，我也没用过，懒得测试和写了，有需求的可以自己研究一下。
三，其它注意事项
3.1 一定要降噪
从data_dst.mp4提取了目标帧后，一定要降噪。
即使用了合适的参数，学习了脸部小细节，但学习后的脸还是太平滑了。
如果背景帧有电影噪点而脸没有，就显得失真。
也就是：3) extract images from video data_dst FULL FPS.bat
之后要：3.optional) denoise data_dst images.bat
那么电影效果怎么恢复呢……
请自己用视频处理软件吧，AE，PR，Vegas……自己模拟个电影的噪点效果加上去就OK了。
3.2 重复利用你的模型
如果源是同一个人，那么训练结果（模型）是可以重复利用的，比从0开始训练可以减少特别多的时间。
假设你把自己的脸部换到了神奇女侠身上，已经训练了100W次，效果不错了。
现在你又想把自己的脸换到绯红女巫身上，那么请直接用神奇女侠那个100W次的模型，可能几分钟就能出比较初步的结果，几小时就完成了呢。如果你从0开始重新训练，可能又得好几天。
100W次只是比分，你可以继续训练300W，500W次。仅仅是时效比会越来越低而已。
这个居然忘了，从没说过……
相当于本身“预训练”的作用。
3.3 忘记quick96吧
之前我自以为quick96仅仅是分辨率低，但其实因为分辨率低，会导致模型学习出现偏差。比如闪烁，脸方向的小偏差，看起来会很失真的。
所以尽量还是用自己计算机能承受的较高的模型，参数和分辨率吧。
四，其它
我有个朋友，计算机配置很不错，2080TI级别的。
但并不是码农程序员，怎么才能给他讲清楚DeepFaceLab咋用呢……
我感觉教程够用，他还是不会，好苦恼。