实时风格迁移，移动端运行，人脸特效又有了新玩法

人脸风格迁移出现新玩法！捷克理工大学联合 Snap 公司创建了一个用于视频中人脸风格实时迁移的框架，既不需要大型数据集和冗长训练周期，更能够在移动端运行。

今年，人脸视频特效在全球又大火特火了一把。年初的「蚂蚁牙黑」（人脸唱歌），还有不久前让老照片动起来的特效，效果都十分惊艳。

风格迁移一直是图像领域的热门方向。那么在视频上做实时人脸画风迁移效果怎么样呢？

是这样的：

当然，视频画风迁移并不是什么新鲜技术了。但这项研究最大的特点在于：移动端、实时，由布拉格捷克理工大学和 Snap 公司的研究者联合完成。目前已经放出了完整论文，相关代码将于下月发布。

项目地址：https://ondrejtexler.github.io/faceblit/
论文地址：https://ondrejtexler.github.io/res/faceblit-paper.pdf

具体而言，研究者提出了一种基于实例的实时视频人脸风格迁移框架 FaceBlit，该框架通过语义上有意义的方式保留了风格的纹理细节，也就是说，用于描绘特定风格特征的笔画出现在目标图像的适当位置。

与以往风格迁移方法相比，该框架不仅保留了目标对象（target subject）的身份，而且不需要大型数据集和冗长训练周期即可实现实时运行。

为此，研究者修改了 Fišer 等人（2017 年）的人脸风格化 pipeline，这样快速生成一组指引通道（guiding channel），不仅可以保留了目标对象的身份，还兼容 Sýkora 等人（2019 年）的基于 patch 合成算法的速度更快变体。

得益于这些方法上的改进，研究者创建了首个即使在移动端，也可以将单个肖像的艺术风格实时迁移至目标视频中人脸的系统框架。

完整生成效果详见以下视频：

实时视频人脸风格迁移方法介绍

该研究方法的输入是人脸的风格范例图像𝑆以及目标人脸视频序列 T。研究假设脸部表情的改变以及移动都是基于受试者注视摄像头，并且不被其他物体遮挡。该研究的输出是一个风格化的序列𝑂，它保留了𝑆的重要艺术特征，同时保留了目标主体的身份。尽管已经可以使用 Fišer 等人 [2017] 的方法产生这种输出，但这里的一个主要缺点是，他们的方法仅适用于离线处理。

为了实现实时性能，研究者需要改变计算指引通道的方式，并用 Sýkora 等人 [2019] 提出的更快的变体取代 Fišer 等人 [2016] 的基于缓慢 patch 的合成算法。

在 Fišer 等人提出的方法中，四个指引通道用于驱动合成。分割指引𝐺_seg，通过将面部细分为一组区域（头发、眉毛、鼻子、嘴唇、口腔、眼睛和皮肤）来描绘重要的面部特征；位置指引（positional guide）𝐺_pos，对源面部和目标面部之间的空间对应关系进行编码。这两个通道确保语义上有意义的迁移。

为了保持目标对象的身份特征，Fišer 等人采用了一种外观指引（appearance guide）𝐺_app 方法，通过使用 Shih 等人的摄影风格迁移方法使源图像和目标图像的外观均衡，从而减少了源图像和目标图像之间的域间隙。最后，时间指引𝐺_temp 来执行时间一致性，而𝐺_temp 由风格化帧的运动 - 补偿版本表示。

由于上述指引通道的计算需要几十秒的时间，因此在实时场景下使用它们是不容易处理的。相反，该研究将四通道简化为两个基本的通道𝐺_pos 和 𝐺_app（图 2 所示），改变底层生成算法，将准备时间减少到几十毫秒。最后，该研究演示了如何将这两个新的指引通道融入到 Sýkora 等人 [2019] 的快速合成算法中。

优势

研究者表示，与其他风格迁移方法相比，生成效果如此好的关键在于三个方面：位置指引、外观指引和直方图匹配。下图为有无位置和外观指引的生成效果图对比，可以看到在无位置指引或外观指引的情况下，生成的动态效果图都不同程度地存在着瑕疵：

此外，在生成目标外观指引 G^T_app 时，直方图匹配也非常重要。从技术上来看，如果不匹配外观指引的直方图，则误差 E 会很快超过阈值 t，这会导致 chunk 明显变小，结果看起来可能会变得模糊。如下图 8a 所示，无直方图匹配时，目标对象的身份无法很好地保留，生成效果比较模糊；而如图 8b 所示，在进行直方图均衡化之后，生成效果有了明显改善，更清晰了。

有无直方图匹配的动态生成效果对比如下：

最后，研究者使用一种混合方法，使得目标肖像画栩栩如生，「复刻」视频中人脸的各种表情神态。

神奇的一幕出现了，古雕像画「活了」：

理论布拉格捷克理工大学人脸风格迁移