このリンクします。https：//blog.csdn.net/cy1070779077/article/details/85224347
顔の置き換え（FaceSwap）いくつかは考えます
当初は、私はOpenCVの（学習マシンビジョンライブラリ）を使用し、より専門的なチュートリアル（この前の顔検出を使用する）代替の顔の人々を提供するための方法です。主なアイデアである面Bに顔Aが置換されていると、第一の面A及び面B検出顔フラグ全ての特徴点はBに直面するために、（多くの目、鼻、口などの特徴点の位置を含む顔のランドマーク）凸包構造、凸包（外側の境界）上の点が2つずつ接続することができる多くの小さな三角形に分割し、その後、使用誘導体、これらの思考のそれぞれ別の小さな三角形の面Aの位置に対応する（アフィン変換）を、最終的にはOpenCVのは、図中の結果は、ハンドラ（の一部の自然な表情に見える提供しましょうポアソンクローン、シームレスクローニング）。
実際には、アプリケーションを置き換えるために、画像上でこのアプローチより人間の顔は、いくつかは、一目見ただけでないのに（テッド・クルーズの顔を交換するために、それはもともとトランプの顔だった、などの描画output.jpgとして、比較的十分なされています当然、しかし、全体的な感じが良いです）
次に、私はプレミアを使用して、本質的には、トランプ写真をズームして動いている、いくつかの簡単な小さなビデオを作りました。その後、我々は、出力映像を得るために、ビデオ実験で顔を置き換えます。問題を見つけることは容易である映像面でジッタです。
（この方法では、以前よりもより多くのであり、私は比較的単純なステップを達成するために、モジュール式のアプリケーションプロセスを好きですが、異なるの期待のために、それは満足度が非常に異なるものになります与えることができる。顔検出と同様に、我々はバウンディングボックスをしています実際には、ジッタがありますほとんど影響を持っていますが、顔の置き換えではありません。）
顔のぶれの原因で、Iは、揮発性を得られる各フレームが生じたときに、主にそれぞれの相対位置のモーメントは、顔検出マーカーを向くように思いました。我々は人間の顔を送ったので、より簡単に、それは、鼻及び第マーカ1の口との間の20個の画素からのものであってもよいが、二つの鼻と口のマーカー間の25個の画素からのものであってもよいです全体画像に対応するモデルで検出され、この位置で顔と顔の大きさ、顔の位置および各マーカーポイントのための最終的なマーカーとの間の相対的な位置の全体像に影響を与えます。第二のフレームの最初のフレームからジッタ面の問題が生じることは起こり得ます。
だから私は、交換方法に直面している他の人を見上げました。
最初は、それは深さ映像生成ニューラルネットワークを使用して行われ、DeepFakesあります。私は基本的には単に、あなたがBに直面する顔を交換したいとし、基本的な考え方を見て、その後、私たちは、顔Bの画像の歪みを所有するさまざまな方法です（それは贅沢である必要がありツイスト道）、与えます絵のコレクションS_B歪みの多くは、我々はニューラルネットワークモデルMの深さを訓練私たちはより良い達成できるように、我々は、モデルMに直面し、Bに直面して減少ねじれた顔のそれぞれにS_BすることができますB.を交換対面
第二は、単に一般的tensorflowは、機械学習フレームワークを使用する必要が見えた、DeepFaceLabです。
これらの方法及び第一の方法の異なる開始の両方。第一の方法は、単にpretrained予測モデルを使用して、機械学習のアイデアで顔検出処理を使用し始めているが、アフィン変換を交換するリアルタイムは、単純にそれを行う、それは後者の二つの場合顔の生活を置き換えるために、機械学習方法のより徹底的かつ完全な使用は、効果は個人的な感情はかなり良くなるはずです。あなたはそれをより有効に利用するようにしたい場合でも、二つの方法が技術的な詳細を理解し、環境を構成するために多くの時間を費やす必要があります。
----------------
免責事項：この記事は元の記事CSDNブロガー「RoyChen97」であり、BY-SAの著作権契約、複製、元のソースのリンクと、この文を添付してくださいCC 4.0に従ってください。 。
オリジナルリンクします。https：//blog.csdn.net/cy1070779077/article/details/85224347