【AI换脸】DeepFaceLab猫之汉化DeepFaceLab双12版 整合DML+CUDA

DeepFaceLab 是一种利用深度学习识别来交换图片和视频中的人脸的工具。即面部替换和深度伪造工具，这种技术在特定的场合下可以做出非常逼真自然的换脸视频。而 DeepFaceLab 是众多软件中，安装最简单，使用最方便，更新最快的一款软件。

功能特性

• 安装方便，环境依赖几乎为零，下载打包 app 解压即可运行（最大优势）
• 添加了很多新的模型
• 新架构，易于模型实验
• 人脸图片使用 JPG 保存，节省空间提高效率
• CPU 模式，第 8 代 Intel 核心能够在 2 天内完成 H64 模型的训练。
• 全新的预览窗口，便于观察。
• 并行提取
• 并行转换
• 所有阶段都可以使用 DEBUG 选项
• 支持 MTCNN，DLIBCNN，S3FD 等多种提取器
• 支持手动提取，更精确的脸部区域，更好的结果。

GitHubt地t址l :  https://github.com/iperov/DeepFaceLab.git

下载安装

具体的下载安装各方面的文章请参考上面的网站，下面主要介绍几个问题。

预编译好的Windows版本
原作者提供了预编译好的Windows版本，并且告诉我们依赖库都有了，只需要自己去安装nVidia的驱动。
并且还贴心的准备了使用GPU和CPU版本, 可以从MEGA下载：
https://mega.nz/#F!b9MzCK4B!zEAG9txu7uaRUjXz9PtBqg

编译的版本大概分这几类：

DeepFaceLabCUDA9.2SSE – NVIDIA显卡最高支持到GTX1080和任何64位CPU
DeepFaceLabCUDA10.1AVX – NVIDIA显卡最高支持到RTX和支持AVX指令集的CPU
DeepFaceLabOpenCLSSE – AMD/IntelHD显卡和任何64位CPU

硬件要求

系统: Win7, Win10
显卡：GTX 1060以上效果较好，需要安装windows 版本的VS2015,CUDA9.0和CuDNN7.0.5
优点：基于Faceswap定制的bat处理批版本，硬件要求低，2G显存就可以跑，支持手动截取人脸、集成所需要的
素材和库文件，功能强大
缺点：复杂、处理批较多，脸部数据不能和其他deepfakes通用，需要重新截取
总结：适合有一定编程基础、追求效率高的用户

下载方式：本页下载链接即可下载
————————————————

不同的模型与参数（补充）

训练模型
H64 (2GB +)：分辨率为64的半脸模型，适合2-3GB显存，当然质量也较低。
H128 (3GB +)：分辨率为128的半脸模型，适合3-4GB显存，半脸模型某些光线条件下会很糟糕。
DF (5GB +)：分辨率为128的全脸模型，适合5GB以上显存，有条件就可以用这个。
LIAEF128 (5GB +)：和DF一样，只从源到目标变形，有些时候会很怪，那么还是选DF吧。
SAE (512MB +)：最新最好最弹性的模型，包括其它所有模型，512MB-24GB显存都可用，参数多。
训练参数
H64，H128 模型的参数：

Use lightweight autoencoder? (Y / n,:? Help skip: n):
选择一个简版的模型，如果你的显存小于4GB，这个选项就很必要。

H64, H128, DF, LIAEF128 模型的参数：

Use pixel loss? (Y / n,:? Help skip: n / default):
更容易提升细节质量和去除图像颤动，请在训练至少20000次以后再打开这个选项（有模型崩溃风险）。

SAE 模型的参数：
Resolution (64-256:? Help skip: 128):分辨率从64到256，16的倍数，愈大越清晰，训练也需要越长。
Half or Full face? (H / f,:? Help skip: f):半脸还是全脸。
Learn mask? (Y / n,:? Help skip: y):学习的遮罩，呃，懒得翻译了，用它就对了。
Optimizer mode? (1,2,3:? Help skip:% d):N卡的神经网络优化模式，越大需要内存越多，也会更慢。
AE architecture (df, liae, vg:? Help skip: df):神经网络结构，缺省df。
AutoEncoder dims (128-1024:? Help skip:% d):网络维度，越多越好（但是内存得够啊）。
Encoder dims per channel (21-85:? Help skip:% d):也是越多越好（但是内存得够啊）根据显卡配置吧。
Decoder dims per channel (11-85:? Help skip:% d):同上（decoder的维度）。
Remove gray border? (Y / n,:? Help skip: n):去掉灰边，我记得已经没有这个选项了啊？？？
Use CA weights? (Y / n,:? Help skip:% s):是否使用卷积感知权重，提高模型精度，初始化要点时间。
Use multiscale decoder? (Y / n,:? Help skip: n):是否使用多路转换decoder，获得更高精度。
Use pixel loss? (Y / n,:? Help skip: n / default):更容易提升细节质量和去除图像颤动，请在训练难以提升质量以后再打开这个选项（有模型崩溃风险）。
Face style power (0.0 … 100.0:? Help skip:% 1f.):脸部特征影响值，加速转换学习的脸部特征（有模型崩溃风险）。搞不懂先别开哦。
Background style power (0.0 … 100.0:? Help skip:% 1f.):背景特征影响值，加速转换学习的脸部特征（有模型崩溃风险）。搞不懂先别开哦。
Apply random color transfer to src faceset? (Y / n,:? Help skip:% s):源脸随机颜色转换，比上面两个更加精确。需要学习更多的源脸。
Pretrain the model? (Y / n,:? Help skip: n):预先训练模型（已经包含了的许多不同的人脸模型）

转换参数
通常不变的参数：

Choose mode: (4) seamless
Seamless hist match? : y
Hist match threshold: 255
Mask mode: (1) learned,

下面的参数就值得调整了：

Choose erode mask modifier [-200…200] (skip:0) :决定缩小多少目标遮罩（值<0则是扩展遮罩）
Choose blur mask modifier [-200…200] (skip:0) :决定平滑目标遮罩的值。
Choose output face scale modifier [-50…50] (skip:0) : 源脸放大还是缩小（先试试0，再根据实际情况）
Apply color transfer to predicted face? Choose mode ( rct/lct skip:None ) : 两种都试试吧。
Degrade color power of final image [0…100] (skip:0) : 降低源脸的色彩值，根据实际情况设置。
————————————————

感谢您的来访，获取更多精彩文章请收藏本站。