轻轻松松使用StyleGAN2（九）：比较 StyleGAN2 重建真实人脸的四种方法

StyleGAN2显著地提高了生成图像的质量，作为其中一个应用，利用StyleGAN2找到真实人脸的最优潜码并重建图像，是一个有意思的话题。

到目前为止，我们收集到了四种重建真实人脸的方法，分别是：

（1）StyleGAN2 官网自带的 run_projector.py，参见：轻轻松松使用StyleGAN2（二）：使用run_projector.py将真实人脸投射到StyleGAN2 dlatents空间并重建图像

（2）rolux基于 run_projector.py 改进的 project_images.py，参见：轻轻松松使用StyleGAN2（四）：StyleGAN2 Encoder，使用 projector_images.py 重建高质量人脸图像

（3）rolux开发的 StyleGAN Encoder，参见：轻轻松松使用StyleGAN2（三）：一笑倾人城，再笑倾人国：让你的女朋友开心笑起来

（4）将Pbaylies在一代 StyleGAN Encoder 中成果，移植到 StyleGAN2 上，参见：StyleGAN2 使用 pbaylies/stylegan-encoder 将图片投影到潜在空间 。

【注意】方法（4）需要用到 .\dnnlib\tflib\network.py 中 run() 方法的 custom_inputs 参数，而更新后的 dnnlib 库删除了与 custom_inputs 相关的代码，如果要成功运行方法（4），可以到百度网盘下载包含 custom_inputs 参数的 dnnlib 库，

链接: https://pan.baidu.com/s/1j6O-bgrMn5jVFO_GrE4cew

提取码: wjya

这四种重建真实人脸的方法，各自的特点和处理速度如何呢？我们的实验结果如下表所示：

方法名称	W 向量	vgg16-zhang 模型	resnet50 反向网络	迭代次数	处理时间 / 图	图像尺寸
官网自带	1x512	支持	无	1000	154.4秒	1024x1024
rolux project_images	18x512	支持	无	1000	151.8秒	1024x1024
rolux encoder	18x512	支持	无	1000	102.4秒	1024x1024
pbaylies encoder	18x512	支持	支持	100	32.1秒	1024x1024

大家最关心的，四种方法重建人脸的图像质量如何呢？我们选用了两张真实人脸和两张美术作品人脸，对比他们的重建质量如下：

原图                         官网                        rolux project          rolux encoder        pbaylies encoder

看完以后，大家就会有了自己的看法。

如果是你，会选用哪个方案呢？

（完）