一、换脸技术发展简史
概述：换脸技术的应用分为三类，即换脸/换五官，转换面部表情，转换面部与躯干运动。以下介绍按照时间顺序排列。
1. Face2Face：Real-time Face Capture and Reenactment of RGB Videos（转换面部表情）
由德国纽伦堡大学科学家 Justus Thies 的团队在 CVPR 2016 发布
可以非常逼真的将一个人的面部表情、说话时面部肌肉的变化、嘴型等完美地实时复制到另一个人脸上
论文：http://www.graphics.stanford.edu/~niessner/papers/2016/1facetoface/thies2016face.pdf
2. Deepfake：Face Swapping（换脸 / 换五官）
推出了 FakeApp（适用于Windows）
Github 上有相同的开源项目 FaceSwap（适用于Ubuntu） https://github.com/deepfakes/faceswap
3. HeadOn：Real-time Reenactment of Human Portrait Videos（转换面部表情与躯干运动）
由 Face2Face 原班团队做的升级版，在 ACM Transactions on Graphics 2018 发布
Face2Face 只能实现面部表情的转换，HeadOn 增加了身体运动和头部运动的迁移
论文： http://niessnerlab.org/papers/2018/7headon/headon_preprint.pdf
4. FSGAN：Subject Agnostic Face Swapping and Reenactment （换脸 & 转换面部表情）
ICCV 2019 未开源
论文：https://arxiv.org/pdf/1908.05932.pdf
二、FaceSwap demo
概述：利用 CLM框架与 OpenCV 可实现单张图片换脸，参考 https://blog.csdn.net/wi162yyxq/article/details/53883507 。若要实现视频换脸，需要事先收集大量 A 与 B 各个角度各种表情的人脸图像素材，针对视频帧的不同表情换脸，最后合成影片，但这将耗费宝贵的时间与精力。将换脸工作交给深度 GAN 自主学习可大量节省时间与精力，项目地址：
https://github.com/deepfakes/faceswap
1. 基本条件
Ubuntu16.04
GPU（Nvidia RTX 2070）
Anaconda Python3.6
Tensorflow-gpu
FFMPEG 截取原始影像帧 / 合成换脸后的视频
具体安装方法：https://github.com/deepfakes/faceswap/blob/master/INSTALL.md
2. 过程与结果
a. Extracting Faces
先从video clips里截取帧，再截取人脸，适用于有多段 video clips 素材的情况
$ ffmpeg -i video.mp4 -vf fps=5 "pic_name%04d.png"
video 一般 25frame/second, fps=5 不必截取每一帧
$ python faceswap.py extract -i ~/faceswap/src/frames_folder -o ~/faceswap/faces/extracted_faces
也可直接从一段 video 里截取人脸，适用于一段video（自动截取每一帧）。
$ python faceswap.py extract -i ~/faceswap/src/video.mp4 -o ~/faceswap/faces/extracted_faces
b. Training a model
换脸者A，B双方的训练资料最好 > 3000张
理想 Loss: 0.009-0.01
实际 Loss 0.022, Nvidia RTX 2080 Ti 训练28小时
c. Converting a video
按原始fps截取需要换脸的 video frames
利用训练好的模型转换 video frames
python faceswap.py convert -i ~/faceswap/src/extracted_frames/ -o ~/faceswap/converted/ -m ~/faceswap/A_B_model/
合成转换后的 video frames 至新视频
ffmpeg -f image2 -i converted_frames%04d.png -vcodec libx264 -crf 1 -pix_fmt yuv420p -vf fps=60 A_B.mp4
具体使用方法：https://github.com/deepfakes/faceswap/blob/master/USAGE.md
三、Face2Face demo
https://github.com/datitran/face2face-demo
1. 环境配置与安装
Ubuntu16.04
Anaconda Python3.5
Tensorflow 1.2
OpenCV 3.1.0
Dlib 19.4
OpenCV 3.1.0 安装过程坎坷，试过用 pip，conda 指令安装：
$ pip install opencv-python==3.1.0
$ pip install opencv-contrib-python==3.1.0
$ conda install opencv=3.1.0
虽然都成功安装并通过测试
$ import cv2
$ cv2.__version__
$ 3.1.0
但是在运行 generate_train_data.py 的时候总是在 cv2.destroyallwindows() 这行报错。
最后使用 Cmake-gui 安装成功，方法如下：
a. 不用安装opencv-contrib
b. cuda，python2，doc，example，test 所有选项取消勾选
c. WITH_GTK_2_X 勾选
d. PYTHON3 路径如下：
e. 在 ./opencv-3.1.0/modules/videoio/src/cap_ffmpeg_impl.hpp 里最顶端添加了
#define AV_CODEC_FLAG_GLOBAL_HEADER (1 << 22)
#define CODEC_FLAG_GLOBAL_HEADER AV_CODEC_FLAG_GLOBAL_HEADER
#define AVFMT_RAWPICTURE 0x0020
f. $ make -j8
$ sudo make install
$ sudo ldconfig
成功！！！
2. 过程与结果
a. 训练资料：原始图片与 Landmarks 各400张
b. 训练周期：200 epochs
c. 训练时间：3h with Nvidia RTX 2080Ti
d. 结果：欠拟合
a. 训练资料：原始图片与 Landmarks 各1500张
b. 训练周期：500 epochs
c. 训练时间：15h with Nvidia RTX 2080Ti
d. 结果：过拟合
背景噪声干扰大，不采用。