前面的都是准备工作,这个环节才是真的换脸.换脸主要分两部分,1,图片换脸,2,把图片合成视频. 7) convert H64 debug.bat 这个环节是和训练环节相对于的,比如我们之前选的是H64,这里就选带H64的来进行转换.如果之前选了SAE,这里就选SAE. 其中的每一种类型两个文件,一个带Debug,一个不带.谁便点一个,不影响结果.默认你可以选带debug的文件. 双击后出现的内容如上,显示了这个模型的迭代次数,以及模型的配置.底部Choose mode 是让你选择合成的模式,你直

训练模型,是换脸过程中最重要的一部分,也是耗时最长的一部分.很多人会问到底需要多少时间?有人会告诉你看loss值到0.02以下就可以了.我会告诉你,不要看什么数值,看预览窗口的人脸.看第二列是否和第一列一样清晰,看最后一列是否清晰,如果答案是“是”,那么恭喜你可以进入下一个环节了. 这个环节主要包括6个文件,每个文件代表一种模型,你只需选择一种即可.目前用的比较多的是,H64,H128,SAE . 如果你玩这个软件,建议选着H64,出效果快,参数简单. 如果你需要更高的清晰度可选H128 如果你

换脸程序执行步骤,大部分程序都是类似.DeepFaceLab 虽然没有可视化界面,但是将整个过程分成了8个步骤,每个步骤只需点击BAT文件即可执行.只要看着序号,一个个点过去就可以了,这样的操作应该不复杂吧. DeepFaceLab 换脸的八个步骤主要可以分为五个阶段. 1.视频转图片 2.提取脸部, 3.训练模型, 4.人脸替换, 5.合成视频. 出于不同的原因,目录里准备了很多批处理(bat)文件,但是完成一次换脸,并不需要点击每一个文件.下面我举个例子. 按以下文件名依次点击,即可换成换脸

整个换脸过程中模型是最重要的一部分,耗时久,调优难,很多人虽然一直在跑模型,却并不知道每个模型的特点. 我也常常被问及: 到底用哪个模型换脸效果最好? H128和DF有什么差别? H64和H28有什么不同? SAE是最好的吗? 全脸和半脸是什么意思? 等等问题. 今天,就专门写一篇文章,来统一解答这些疑问. 首先,来说说每个模型的特点. H64模型 H64模型也被称为经典模型/原始模型(original),DeepFakes早期就是靠这个模型名震江湖,后来的FaceSwap,DeepFaceLa

本来想做个android录制屏幕的功能,但是目前只能是截图 然后把图片合成视频,这里就需要用到 ffmpeg 在做之前也是参考了其它一些比较不错的文章 比如:http://www.open-open.com/lib/view/open1350702566696.html 但是采用此链接我生成的视频不能显示画面,后又经过和其它人员讨论进行了修改 命令: ffmpeg -r 0.5 -i d:/tmpImg/image%04d.jpg -i d:/time.mp3 -vcodec mpeg4 d:/

在IOS视频处理中,视频分解图片和图片合成视频是IOS视频处理中经常遇到的问题,这篇博客就这两个部分对IOS视频图像的相互转换做一下分析. (1)视频分解图片 这里视频分解图片使用的是AVAssetImageGenerator,利用这个class可以很方便的实现不同时间戳下,视频帧的抓取.注意一般这种视频分解图片帧的方法都是放在子线程中的,而UI更新操作都是放在主线程中的.下面来看看核心代码: _imageGenerator = [[AVAssetImageGenerator alloc] in

代码如下: // cvTest.cpp : Defines the entry point for the console application. #include "stdafx.h" #include<iostream> #include<opencv2/core/core.hpp> #include<opencv2/highgui/highgui.hpp> using namespace cv; using namespace std; ch

当学会了换脸软件DeepFaceLab基本使用,各种参数配置,各有优化技能之后.唯一约束你的可能是电脑配置. CPU能跑,但是慢到怀疑人生,低配模型都得跑一周 低配显卡,显存不够,H128 根本就跑不起来,BS稍微大点就蹦了 本地不行,其实可以用GPU服务器,但是价格不比买个高配显卡便宜. 深度学习玩的就是配置,配置太差怎么办? 花钱升级咯. 没钱怎么办? 本来想说“凉拌”,但是经过多日研究,还是找出了一条路子.对于那些愿意研究,但是配置较低的同学来说,最适合不过了. 前奏有点长哦,下面马上进入

DeepFaceLab 虽然没有可视化界面,但是在众多换脸软件中,是安装最方便,更新最快,整体性能最佳的一个.这个软件对于系统依赖很低,也就是不需要装各种各样的“插件”. 但是即便如此,由于版本的不断更新,也会出现一些问题.比如本来是好的,用着用着就不稳定了. 这次要说的错误是,Could not create cudnn handle,提示不能够创建cudnn句柄. cudnn是用来加速神经网络的组件,一般换脸软件都会调用这个.但是DFL明明是自带cudnn为什么会报错了呢? 让人百思不得其解

DeepFaceLab出错,虽然错误提示好几个屏幕,但是无非两种情况,一种是驱动没装好,一种是显存配置不够.上一篇文章说了驱动的问题,这一篇就说说配置不够的问题. 这个问题的表现形式,往往是各种OOM. 比如这台显存配置为2GB的电脑,在训练环节就出了OOM错误,还有一些电脑配置还不错,但是在提升BatchSize的时候也会出现. 出现这个错误如何解决? 升级电脑最直接咯 另一种方法就是降低软件参数配置. 关于如何降低软件参数,可以参考一下这片文章: https://www.deepfakesc

DeepFaceLab出错,虽然错误提示很长很长,但是无非两种情况,一种是驱动没装好,一种是显存配置不够. CUDA driver version is insufficient for CUDA runtime version. 这一个错误中出现了两次版本(version)这个单词,应该是说的很清楚了.就是CUDA的版本有问题,根据经验来说,这往往是版本过低. 比如你电脑上的驱动,只支持CUDA10, 而你的换脸软件需要CUDA10.1 . 正对这种情况,你只需升级你的驱动,如果搞不清楚,可以

通过上面级片文章,你应该基本知道了换脸的流出,也能换出一个视频来.此时,你可能会产生好多疑问,比如每个环节点点到底是什么意思,那些黑漆漆屏幕输出的又是什么内容,我换脸效果这么差,该如何提升?等等,好奇宝宝已上线,不搞明白睡不着.接下来,我就把每个环节展开说一说.本篇文章主要说“人脸提取部分”. DeepFaceLab 更目录如下. workspace工作目录如下 1) clear workspace.bat (清空项目) 这是一个用来初始化项目目录的文件,由于软件本身自带了一个workspace

严格上来说这个软件本身并不需要安装,他唯一需要的就是对应版本的显卡驱动,CUDA和CuDNN都非必须.下面我说一下如何安装正确的驱动版本.我尽量写得简洁清晰,希望大家都能看懂,但是,如果你连基本的电脑操作都不会,那我就无能为力了. 本教程都是针对如下配置 操作系统:Window server 2016(适用于Win10) 显卡:Nvidia Tesla P80  11G(只要是N卡都差不多) DeepFaceLab版本:DeepFacelabCUDA10.1AVX_build_03_13_201

简介 DeepFaceLab是一种利用深度学习识别和交换图片和视频中的人脸的工具 这是一个github上的开源项目,所有人都可以查看源代码也能免费使用.个人认为这个项目的最大优点就是安装超级简单,几乎是无需安装,使用过程也不复杂,对于新手来说唯一的遗憾就是没有可视化界面,但这一点很容易克服,只要看完这个简易教程人人都能学会. 下面是关于这个项目的一些介绍,可以选择性阅读,不懂也没关系. 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

函数计算 触发式计算   日志  MP3 图片 合成视频 [start_time]:20120511 06:59:11 [20120511 06:59:11_0.4950568322522534]: [20120511 06:59:11_0.6700262379086077]:0.0M [oss_f]:articel_txt_mp3/uid123_untest_789.txt [20120511 06:59:11_0.36808242731641083]: [20120511 06:59:11_

FFmpeg将多张图片合成视频 - CSDN博客 https://blog.csdn.net/wangshuainan/article/details/77914508 Slideshow – FFmpeg https://trac.ffmpeg.org/wiki/Slideshow 多线程 15帧每秒 且 每5秒切换图片 === 独立 ./ffmpeg -y -threads 5 -loop 1 -r 0.5 -i /tmp/image%04d.jpg -i concat:"{}"

文件夹内多张图合成为视频: route='D:\文件及下载相关\桌面\**\Matlab_code\result';%基本路径 %d=dir([route '\*.bmp']);%.jpg格式 WriterObj=VideoWriter('video','MPEG-4');%待合成的视频(不仅限于avi格式)的文件路径 open(WriterObj); %n_frames=numel(d);% n_frames表示图像帧的总数 : filename=strcat('D:\文件及下载相关\桌面\*

DeepFaceLab参数详解之FPS与Image format , 本文讲解两个非常简单的参数,也是大家玩这个软件最先接触到的.参数虽然非常的简单,但是非常有用,适当调整可以为你节省大量硬盘空间,大幅提示提升速度. 参数简介 FPS :  帧率,一般视频帧率为24,25,30等.这里的意思是一秒钟多少张.比如输入10就是一秒钟分成10张. 推荐:10左右 Image format: 图片格式.可以选择png和jpg . PNG:是一种无损压缩的位图片形格式. JPG:获取得极高的压缩率的同时能

DeepFaceLab在沉寂了几个月后(目测Iperov同志讨生活去了),在8月下旬又迎来了重大更新.我总结了一下,主要是更新了三大功能. 新增Avatar模型 交互式转换器 半脸模型支持FAN ​ Avatar 模型我已经做过比较详细的介绍,从测试结果来看并不是太理想,可能还是一个前瞻性功能,或者预览性的功能.而半脸支持fan,这个fan已经不算是新功能了,只是H模型变得更加吃香了.这三大更新中,我最喜欢的还是交互式转换器. 今天,我就重点来说说这个交互式转换器. 首先说明,本文不属于入门级文

DeepFaceLab默认情况下都都是自动提取脸部,整体来说效果不错,脸部曲线识别度也比较高.但是自动不是万能的,有些图片的轮廓识别并不好.而识别不好最直接的结果就是合成的视频可能会出现抖动. 也就是说,抖动出现的一个原因就是脸部轮廓识别不精确. 那么如何解决这个问题呢? DeepFaceLab的解决方法是提供了一个手动识别的工具. 首先,这个功能仅针对DST.使用这个过程大概需要先做以下操作. 1.视频转图片 2.从图片中提取脸部图片 3.查看Debug目录,找到有问题的图片,删除. ​ 比如