点击上方“AI算法与图像处理”，选择加"星标"或“置顶”

重磅干货，第一时间送达

导读

这是来自斯坦福和华盛顿大学研究员发表的论文，提出了基于GAN的新方法，仅需要一张照片即可生成一个人从小时候到老了的样子

论文：https://arxiv.org/abs/2003.09764

项目地址：

https://github.com/royorel/Lifespan_Age_Transformation_Synthesis

关于这篇论文的介绍在之前的文章中，有所介绍，这里就不多赘述。文章的重点是如何将这个项目用起来！

用GAN生成70岁的你！还可以重返17岁，代码已开源！

这里我已经将坑帮大家填好了，也会附上代码和相关权重的下载链接，由于ti子，所以部分小伙伴在跑的时候可能会比较麻烦（当然我也是其中的一个），所以我现在我已经把文件都打包好了，大家可以放心使用！

先看效果

demo 代码分享和使用

完整的项目使用（如果从附带的链接下载可以跳过下面的步骤）：

# 克隆项目
git clone https://github.com/royorel/Lifespan_Age_Transformation_Synthesis.git
# 环境配置和预训练模型下载
pip install -r requirements.txtpython download_models.py

PS：因为模型很大而且是从谷歌网盘上面下载的导致很可能会失败

因此推荐从这里下载，然后直接运行我写好的demo.py代码即可

链接: https://pan.baidu.com/s/1Jwg-q9nYYAGb5o5fevT9zA

提取码: aicv

为了便于大家使用自己的照片进行测试，这里说明一些重点

# demo.py文件
import os
from collections import OrderedDict
from options.test_options import TestOptions
from data.data_loader import CreateDataLoader
from models.models import create_model
import util.util as util
from util.visualizer import Visualizeropt = TestOptions().parse(save=False)
opt.display_id = 0 # do not launch visdom
opt.nThreads = 1   # test code only supports nThreads = 1
opt.batchSize = 1  # test code only supports batchSize = 1
opt.serial_batches = True  # no shuffle
opt.no_flip = True  # no flip
opt.in_the_wild = True # This triggers preprocessing of in the wild images in the dataloader
opt.traverse = True # This tells the model to traverse the latent space between anchor classes
opt.interp_step = 0.05 # this controls the number of images to interpolate between anchor classesdata_loader = CreateDataLoader(opt)
dataset = data_loader.load_data()
visualizer = Visualizer(opt)opt.name = 'males_model' # change to 'females_model' if you're trying the code on a female image
model = create_model(opt)
model.eval()img_path = "t.jpg" # 添加希望生成的图片data = dataset.dataset.get_item_from_path(img_path)
visuals = model.inference(data)os.makedirs('results', exist_ok=True)
out_path = os.path.join('results', os.path.splitext(img_path)[0].replace(' ', '_') + '.mp4')
visualizer.make_video(visuals, out_path)

注意：

1、img_path = "t.jpg" ，

添加自己希望生成的人脸照片，最好是正脸，否则效果会比较差

2、opt.name = 'males_model'

根据输入图片中人物的性别进行修改，男性：males_model, 女性：females_model

# 即修改成：
opt.name = 'females_model'

3、输出的结果为 MP4视频，保存的路径在result文件夹下，并以图片的名字进行命名！

感悟

CV方向有很多有趣的应用，以后会分享更好自己看到的应用demo，如果你觉得不错可以试试哈，顺手帮我点个在看！我平时也会去查找一些趣味应用，因为看到一种观点，我个人觉得挺有道理的，有时候技术并不是最重要的，重要的是要了解市场的需求，所以试着挤出一些时间去认识世界，感觉不错哦

下载1：何恺明顶会分享
在「AI算法与图像处理」公众号后台回复：何恺明，即可下载。总共有6份PDF，涉及 ResNet、Mask RCNN等经典工作的总结分析
下载2：leetcode 开源书
在「AI算法与图像处理」公众号后台回复：leetcode，即可下载。每题都 runtime beats 100% 的开源好书，你值得拥有！下载3 CVPR2020在「AI算法与图像处理」公众号后台回复：CVPR2020，即可下载1467篇CVPR 2020论文
个人微信（如果没有备注不拉群！）
请注明：地区+学校/企业+研究方向+昵称

觉得不错就点亮在看吧