丝丝入扣,毫不违和,AI一键换脸和微调,基于Rope-Ruby,2024最新整合包

AI换脸已经不是什么时新的技术了,从DeepFace到Facesweap,再到Roop。AI换脸技术中出现了一种名为"一键换脸"的方法,它不需要训练模型。这种方法利用了名为"GHOST"的技术,它是一种新的一键换脸方法,可以用于图像和视频领域。

这种技术采用了先进的生成对抗网络(GAN)、自动编码器等方法,可以实现精确和稳健的换脸效果。GHOST技术的特点是可以在不需要训练模型的情况下进行换脸,从而实现快速、简单的操作。这种方法的优势在于可以快速生成换脸图像或视频,而无需进行复杂的训练过程。

本次我们基于Rope-Ruby来进行换脸,把复联4中惊奇队长的脸型进行替换。

Rope-Ruby是基于深度学习技术的换脸应用。它实现了insightface inswapper_128模型,并提供了一个用户友好的图形用户界面(GUI)。该模型使用GFPGAN(Generative Face Completion and Editing with GANs)技术,这是一种基于生成对抗网络(GAN)的人脸编辑技术。GFPGAN技术可以实现快速的人脸交换,包括高清晰度的人脸交换、面部特征调整、方向管理等功能。此外,Rope-Ruby还支持自动保存文件名生成、视频分段录制、实时播放器等功能,使用户能够轻松地进行人脸编辑和视频处理。

Rope-Ruby项目配置

首先克隆项目:

复制代码
https://github.com/Hillobar/Rope.git

随后进入项目的目录:

复制代码
cd Rope

安装依赖:

复制代码
pip install -r requirements.txt

随后去Google网盘下载所有的预训练模型:

复制代码
https://github.com/Hillobar/Rope/releases/tag/Sapphire

解压后将其放入到项目的models目录。

该项目依赖FFMPEG,所有别忘了本地安装FFMPEG:

复制代码
winget install ffmpeg

至此,项目就配置好了。

Rope-Ruby简单换脸

在根目录运行:

复制代码
python3 Rope.py

会弹出UI界面:

首先选择beachmark选择要进行替换脸型的视频所在目录。

随后点击main/face,选择要替换脸型图片所在的目录。

接着,拖动播放条,选择一帧全脸画面,点击find,进行人脸匹配:

随后点击Swap按钮进行替换即可,替换后效果:

Rope-Ruby换脸微调

但其实默认的替换效果并不尽如人意,Rope-Ruby支持对脸型和效果滤镜进行微调,这也是Rope-Ruby最大的特色之一。

首先点击,show masks打开脸部蒙版。

随后调整GFPGAN滤镜,使用鼠标滚轮调整即可,该权重可以调整清晰度。

Blur参数可以调整边缘模糊。

Strength参数调整目标脸型的强度系数。

diff参数调整原脸型的显示权重,用来调整脸型之间的融合度。

更多参数请参见官网的wiki:

复制代码
https://github.com/Hillobar/Rope/wiki

调整完毕后关闭蒙版,程序会自动替换脸型。

此时拉到第一帧,选择输出目录。

点击录制按钮,播放视频。

播放完毕后,会在输出目录生成替换的视频,这里选择根目录的resutls文件夹:

复制代码
E:\work\Rope-main\results>tree /f  
Folder PATH listing for volume myssd  
Volume serial number is 7CE3-15AE  
E:.  
    av4_1704180456.mp4  
  
No subfolders exist

当然,如果不喜欢在UI界面中微调,也可以手动修改根目录的data.json文件:

复制代码
{"source videos": "E:/work/Rope-main/benchmark", "source faces": "E:/work/Rope-main/face", "saved videos": "E:/work/Rope-main/results", "threads": 1, "dock_win_geom": [980, 916, 373, 26], "undock_win_geom": [980, 517, 453.5, 23.5], "player_geom": [1024, 768, 453.5, 23.5]}

对参数进行调整即可。

结语

Rope-ruby换脸技术的优势在于其灵活性、可定制性,它提供了丰富的API和功能,使得开发人员可以根据自己的需求进行定制化开发。这意味着你可以根据项目的具体要求来调整和优化换脸算法,以满足不同的应用场景。

奉上基于Python3.10虚拟环境技术进行打包的一键整合包:

复制代码
整合包链接:https://pan.quark.cn/s/1602263cce92

当然,很多因此产生了许多大胆想法的绅士们还需要注意,网络并非法外之地,点击替换按钮的那一刻,还需谨慎,所谓:君子慎独,不欺暗室。 卑以自牧,含章可贞。

相关推荐
m0_751336392 小时前
突破性进展:超短等离子体脉冲实现单电子量子干涉,为飞行量子比特奠定基础
人工智能·深度学习·量子计算·材料科学·光子器件·光子学·无线电电子
DeepSeek-大模型系统教程5 小时前
推荐 7 个本周 yyds 的 GitHub 项目。
人工智能·ai·语言模型·大模型·github·ai大模型·大模型学习
有Li5 小时前
通过具有一致性嵌入的大语言模型实现端到端乳腺癌放射治疗计划制定|文献速递-最新论文分享
论文阅读·深度学习·分类·医学生
张较瘦_9 小时前
[论文阅读] 人工智能 | 深度学习系统崩溃恢复新方案:DaiFu框架的原位修复技术
论文阅读·人工智能·深度学习
cver1239 小时前
野生动物检测数据集介绍-5,138张图片 野生动物保护监测 智能狩猎相机系统 生态研究与调查
人工智能·pytorch·深度学习·目标检测·计算机视觉·目标跟踪
学技术的大胜嗷9 小时前
离线迁移 Conda 环境到 Windows 服务器:用 conda-pack 摆脱硬路径限制
人工智能·深度学习·yolo·目标检测·机器学习
Akttt12 小时前
【T2I】R&B: REGION AND BOUNDARY AWARE ZERO-SHOT GROUNDED TEXT-TO-IMAGE GENERATION
人工智能·深度学习·计算机视觉·text2img
点我头像干啥14 小时前
用 PyTorch 构建液态神经网络(LNN):下一代动态深度学习模型
pytorch·深度学习·神经网络
小白狮ww14 小时前
VASP 教程:VASP 机器学习力场微调
人工智能·深度学习·机器学习
呆头鹅AI工作室15 小时前
[2025CVPR]SEEN-DA:基于语义熵引导的领域感知注意力机制
人工智能·深度学习·机器学习