หน้านี้ได้รับการแปลโดย Cloud Translation API
Switch to English

สร้างใบหน้าเทียมด้วย CelebA Progressive GAN Model

ดูใน TensorFlow.org เรียกใช้ใน Google Colab ดูแหล่งที่มาบน GitHub ดาวน์โหลดสมุดบันทึก

Colab นี้แสดงให้เห็นถึงการใช้โมดูล TF-Hub โดยอาศัยเครือข่ายฝ่ายตรงข้ามที่สร้างขึ้น (GAN) โมดูลจะแมปจากเวกเตอร์ N มิติที่เรียกว่าพื้นที่แฝงไปยังรูปภาพ RGB

มีสองตัวอย่าง:

  • การแมป จากพื้นที่แฝงไปยังรูปภาพและ
  • กำหนดภาพเป้าหมาย โดยใช้การไล่ระดับสีเพื่อค้นหา เวกเตอร์แฝงที่สร้างภาพที่คล้ายกับภาพเป้าหมาย

ข้อกำหนดเบื้องต้นเพิ่มเติม

รุ่นอื่น ๆ

ที่นี่ คุณจะพบโมเดลทั้งหมดที่โฮสต์บน tfhub.dev ที่สามารถสร้างภาพได้

ติดตั้ง

# Install imageio for creating animations.  
!pip -q install imageio
!pip -q install scikit-image
!pip install -q git+https://github.com/tensorflow/docs
WARNING: You are using pip version 20.2.2; however, version 20.2.3 is available.
You should consider upgrading via the '/tmpfs/src/tf_docs_env/bin/python -m pip install --upgrade pip' command.
WARNING: You are using pip version 20.2.2; however, version 20.2.3 is available.
You should consider upgrading via the '/tmpfs/src/tf_docs_env/bin/python -m pip install --upgrade pip' command.
WARNING: You are using pip version 20.2.2; however, version 20.2.3 is available.
You should consider upgrading via the '/tmpfs/src/tf_docs_env/bin/python -m pip install --upgrade pip' command.


from absl import logging

import imageio
import PIL.Image
import matplotlib.pyplot as plt
import numpy as np

import tensorflow as tf
tf.random.set_seed(0)

import tensorflow_hub as hub
from tensorflow_docs.vis import embed
import time

try:
  from google.colab import files
except ImportError:
  pass

from IPython import display
from skimage import transform

# We could retrieve this value from module.get_input_shapes() if we didn't know
# beforehand which module we will be using.
latent_dim = 512


# Interpolates between two vectors that are non-zero and don't both lie on a
# line going through origin. First normalizes v2 to have the same norm as v1. 
# Then interpolates between the two vectors on the hypersphere.
def interpolate_hypersphere(v1, v2, num_steps):
  v1_norm = tf.norm(v1)
  v2_norm = tf.norm(v2)
  v2_normalized = v2 * (v1_norm / v2_norm)

  vectors = []
  for step in range(num_steps):
    interpolated = v1 + (v2_normalized - v1) * step / (num_steps - 1)
    interpolated_norm = tf.norm(interpolated)
    interpolated_normalized = interpolated * (v1_norm / interpolated_norm)
    vectors.append(interpolated_normalized)
  return tf.stack(vectors)

# Simple way to display an image.
def display_image(image):
  image = tf.constant(image)
  image = tf.image.convert_image_dtype(image, tf.uint8)
  return PIL.Image.fromarray(image.numpy())

# Given a set of images, show an animation.
def animate(images):
  images = np.array(images)
  converted_images = np.clip(images * 255, 0, 255).astype(np.uint8)
  imageio.mimsave('./animation.gif', converted_images)
  return embed.embed_file('./animation.gif')

logging.set_verbosity(logging.ERROR)

การแก้ไขพื้นที่แฝง

เวกเตอร์แบบสุ่ม

การแก้ไขช่องว่างแฝงระหว่างเวกเตอร์เริ่มต้นแบบสุ่มสองตัว เราจะใช้โมดูล TF-Hub progan-128 ที่มี Progressive GAN ที่ผ่านการฝึกอบรมมาแล้ว

progan = hub.load("https://tfhub.dev/google/progan-128/1").signatures['default']
def interpolate_between_vectors():
  v1 = tf.random.normal([latent_dim])
  v2 = tf.random.normal([latent_dim])
    
  # Creates a tensor with 25 steps of interpolation between v1 and v2.
  vectors = interpolate_hypersphere(v1, v2, 50)

  # Uses module to generate images from the latent space.
  interpolated_images = progan(vectors)['default']

  return interpolated_images

interpolated_images = interpolate_between_vectors()
animate(interpolated_images)

gif

การค้นหาเวกเตอร์ที่ใกล้ที่สุดในปริภูมิแฝง

แก้ไขภาพเป้าหมาย ตัวอย่างเช่นใช้รูปภาพที่สร้างจากโมดูลหรืออัปโหลดของคุณเอง

image_from_module_space = True  # @param { isTemplate:true, type:"boolean" }

def get_module_space_image():
  vector = tf.random.normal([1, latent_dim])
  images = progan(vector)['default'][0]
  return images

def upload_image():
  uploaded = files.upload()
  image = imageio.imread(uploaded[list(uploaded.keys())[0]])
  return transform.resize(image, [128, 128])

if image_from_module_space:
  target_image = get_module_space_image()
else:
  target_image = upload_image()

display_image(target_image)

png

หลังจากกำหนดฟังก์ชันการสูญเสียระหว่างรูปภาพเป้าหมายและรูปภาพที่สร้างโดยตัวแปรช่องว่างแฝงเราสามารถใช้การไล่ระดับสีเพื่อค้นหาค่าตัวแปรที่ลดการสูญเสียให้น้อยที่สุด

tf.random.set_seed(42)
initial_vector = tf.random.normal([1, latent_dim])
display_image(progan(initial_vector)['default'][0])

png

def find_closest_latent_vector(initial_vector, num_optimization_steps,
                               steps_per_image):
  images = []
  losses = []

  vector = tf.Variable(initial_vector)  
  optimizer = tf.optimizers.Adam(learning_rate=0.01)
  loss_fn = tf.losses.MeanAbsoluteError(reduction="sum")

  for step in range(num_optimization_steps):
    if (step % 100)==0:
      print()
    print('.', end='')
    with tf.GradientTape() as tape:
      image = progan(vector.read_value())['default'][0]
      if (step % steps_per_image) == 0:
        images.append(image.numpy())
      target_image_difference = loss_fn(image, target_image[:,:,:3])
      # The latent vectors were sampled from a normal distribution. We can get
      # more realistic images if we regularize the length of the latent vector to 
      # the average length of vector from this distribution.
      regularizer = tf.abs(tf.norm(vector) - np.sqrt(latent_dim))
      
      loss = target_image_difference + regularizer
      losses.append(loss.numpy())
    grads = tape.gradient(loss, [vector])
    optimizer.apply_gradients(zip(grads, [vector]))
    
  return images, losses


num_optimization_steps=200
steps_per_image=5
images, loss = find_closest_latent_vector(initial_vector, num_optimization_steps, steps_per_image)

....................................................................................................
....................................................................................................
plt.plot(loss)
plt.ylim([0,max(plt.ylim())])
(0.0, 6696.216946411133)

png

animate(np.stack(images))

gif

เปรียบเทียบผลลัพธ์กับเป้าหมาย:

display_image(np.concatenate([images[-1], target_image], axis=1))

png

เล่นกับตัวอย่างข้างต้น

หากรูปภาพมาจากพื้นที่โมดูลการลดระดับจะรวดเร็วและมาบรรจบกันเป็นตัวอย่างที่เหมาะสม ลองลงไปที่รูปภาพที่ ไม่ได้มาจากพื้นที่โมดูล การสืบเชื้อสายจะมาบรรจบกันก็ต่อเมื่อภาพนั้นมีความใกล้เคียงกับพื้นที่ของภาพการฝึกอบรมเท่านั้น

จะทำให้ลงเร็วขึ้นและเป็นภาพที่สมจริงมากขึ้นได้อย่างไร? สามารถลอง:

  • โดยใช้การสูญเสียที่แตกต่างกันในความแตกต่างของภาพเช่นกำลังสอง
  • การใช้ตัวกำหนดมาตรฐานที่แตกต่างกันบนเวกเตอร์แฝง
  • การเริ่มต้นจากเวกเตอร์แบบสุ่มในการรันหลายครั้ง
  • เป็นต้น