你动、蒙娜丽莎跟着一起动，OpenCV这么用，表情口型造假更难防了
OpenCV新玩法
梅宁航 发自 凹非寺
量子位 报道 | 公众号 QbitAI
有没有想过让蒙娜丽莎跟着你的表情动，来一番亲切的交流？
Aliaksandr的一阶运动模型（First Order Motion Model）可以实现，但是实现过程非常复杂且繁琐。
一阶运动模型功能强大，可以在未经预训练的数据集上对图像和视频进行特效生成，但代价是安装配置比较繁琐。
能不能简单一点，再简单一点？
印度一位程序员阿南德·帕瓦拉（Anand Pawara）设计了基于OpenCV实现的实时动画特效。
毕竟OpenCV是成名已久的跨平台视觉库，是事实上的计算机视觉领域的标准库。
项目中涉及的人脸识别、动作识别和运动跟踪，均在OpenCV库中原生支持。
几天前，阿南德在GitHub上开源了完整代码，并给出实现具体过程。
走过路过，不要错过。
安装过程
1、安装依赖模块
安装依赖模块：
pip install -r requirements.txt
安装pytorch 1.0.0 :
pip install torch===1.0.0 torchvision===0.2.1 -f https://download.pytorch.org/whl/cu100/torch_stable.html2、下载配置文件（如果不能下载，文件链接在文末）
gdown —id 1wCzJP1XJNB04vEORZvPjNz6drkXm5AUK
3、运行程序
运行文件 :
python image_animation.py -i path_to_input_file -c path_to_checkpoint
针对摄像头的实时特效生成 :
python .\image_animation.py -i .\Inputs\Monalisa.png -c .\checkpoints\vox-cpk.pth.tar Run application from video file : python image_animation.py -i path_to_input_file -c path_to_checkpoint -v path_to_video_file
针对既有视频的特效生成 :
python .\image_animation.py -i .\Inputs\Monalisa.png -c .\checkpoints\vox-cpk.pth.tar -v .\video_input\test1.mp4
如果你想上手试试，只需要调整相关配置文件即可。
模型分为两种使用模式，一种是较为常规的导入视频常规方法，另外一种就是实时生成视频特效。
但是，请注意，一定要使用pytorch 1.0.0版本，因为更高的版本在后端依赖的一阶模型上存在问题。
按照作者的后续计划，会推出客户端程序，并且会增加假声（deepfake voice）功能。
立足OpenCV的优化
阿南德所做的工作是简化现有的一阶运动模型（First Order Motion Model），使用OpenCV对视频进行特效生成。
项目的后端支持由OpenCV库完成，避免使用复杂的模型，降低使用门槛。
按照作者观点，使用这个模型只需要对一类数据集进行训练后，便可应用到对其全部事物上去，即具有较好的泛化能力。
不同于原一阶模型的多个数据集测试效果，现在阿南德实时动态特效模型还只在人脸数据集上进行测试，后续后持续增加其他数据集。
这个模型的特点是易用，配置非常简单，基本可以开箱即用，即使是训练自己的数据集也会比较简单。
因为立足于对现有资源进行优化配置，操作简易，功能强大。
当然，简单也会带来问题，比如现在数据集较为单一，针对的主要是人脸数据集。
此外，对人脸的轮廓识别效果还不那么令人满意，需要加以改造。
作者简介
项目作者阿南德·帕瓦拉（Anand Pawara）是印度AvenDATA公司的一名深度学习工程师，现居孟买。
繁琐的工作自动化，大幅度降低上手的难度。
完整实现过程连接在下面，如果有兴趣，欢迎自己去试试哟~
参考链接：
https://github.com/anandpawara/Real_Time_Image_Animation
https://m.weibo.cn/1402400261/4508119667605445
- AI版《黑客帝国》：无限生成逼真视频，3A画质，还能实时交互2024-11-21
- 国产4o大模型，秒懂国风李子柒2024-11-20
- 大模型上了火山方舟：数据唯你可见，唯你所用，唯你所有2024-11-14
- Keras之父，离职谷歌2024-11-14
相关阅读
高额奖池、院士评定，首届全球人工智能技术创新大赛开启征召
在赛题设置上，结合人工智能领域的技术发展，大赛设置医学影像报告异常检测、PANDA大场景多对象检测跟踪、小布助手对话短文本语义匹配三大赛题，邀请全球AI人才共同突破赛题中的关键技术瓶颈，推进下一代人工智能前瞻性研究发展。
