基于PaddleGAN项目人脸表情动作迁移学习（四）人脸动漫化

学习目标：

体验基于PaddleGAN的真实人脸实现动漫化，相关模型：AnimeGANv2。

AnimeGANv2原理：

人脸动漫化（Photo to Cartoon）是指将真实人脸转化成动漫风格，在保持原图像ID信息和纹理细节的同时，将真实照片转换为卡通风格的非真实感图像。
AnimeGAN基于2018年CVPR论文CartoonGAN基础上对其进行了一些改进，主要消除了过度风格化以及颜色伪影区域的问题。对于具体原理可以参见作者知乎文章。AnimeGANv2是在AnimeGAN的基础上添加了total variation loss的新模型。

第一步，环境准备：

请参考另一篇文章，基于PaddleGAN项目人脸表情动作迁移学习（一）环境配置，下载PaddleGAN,并配置环境，另外，需要安装相关模块，进入PaddleGAN目录下：

cd PaddleGAN
pip install -r requirements.txt
pip install -v -e .
pip install dlib
pip install ppgan

如果dlib有安装失败请参考另一篇文章记录安装dlib库失败解决过程，认识conda-forge,希望有所帮助。
安装完成根据网速不同，大概需要几分钟左右。

第二步，准备人脸照片：

一张照片用到底，还是麻烦他了。（之前奥巴马照片竟然违规了，汗！换一张我自己合成照片）

之前已经上传至图片目录下，aobama001.jpg。

第三步，修改预测命令：

人脸卡通化可以将人脸图片转换成卡通化的图片。主要功能是先检测人脸是否存在，然后利用检测到的人脸生成卡通化的人脸图片。预测命令需要指定输出目录和需要转化的图片路径。

from ppgan.apps import AnimeGANPredictor
p2c = AnimeGANPredictor(output_path=’/home/work/output’)
p2c.run(’/home/work/图片名称’)

修改后代码如下，在applications目录下保存为py文件，31_anime_cartoon.py：

from ppgan.apps import AnimeGANPredictor
predictor = AnimeGANPredictor(output_path='../image_data/output')
predictor.run('../image_data/aobama001.jpg')

第四步，执行并查看效果：

执行代码

cd applications
python 31_anime_cartoon.py

进入…/image_data/output文件夹内查看

又测试了下 Photo2CartoonPredictor模型效果，修改代码如下：

from ppgan.apps import Photo2CartoonPredictor
predictor = Photo2CartoonPredictor(output_path='../image_data/output')
predictor.run('../image_data/aobama001.jpg')

效果如下

到此卡通化体验结束。

总结：

AnimeGANv2模型是 Photo2Cartoon的升级版，PadlleGAN同时也提供了Photo2CartoonPredictor方法，将第三步中AnimeGANPredictor替换为Photo2CartoonPredictor又是另外一种效果，感觉还是升级后的模型效果顺眼一些。
AnimeGANv2还提供了训练方法，可以根据自己的需要进行模型增量学习，GitHub连接如下:AnimeGANv2，GAN网络确实是比较好玩技术。