Компьютерное зрение: Замена лица Python & Быстрый дипфейк в Colab

Цена: $109.99

Здравствуйте и добро пожаловать в мой новый курс Python Face Swap & Быстрый Deepfake с использованием Google Colab’

Ты знаешь, есть старая фраза, которая гласит: «видеть - значит поверить». Но в мире Deepfake’ то, что мы видим, не всегда правда. Давайте определим глубокий фейк на примере видео.. Вот.

Для создания этих видеороликов я использовал фотографии этих людей только одного размера.. да, ты правильно расслышал. Только одно изображение лица и несколько минут работы на обычном компьютере, вы можете создать дипфейк кого угодно. Вы даже заставляете мертвых людей говорить или даже петь для вас.

да! Будьте готовы удивиться. Прежде чем мы продолжим, позвольте мне объяснить список содержания, включенного в этот курс. Этот курс делится ровно на две половины..

В первом тайме, мы будем создавать базовое приложение для обмена лицами на основе Python. Прежде чем мы продолжим, у нас будет введение в технику глубокого фейка, его приложения, преимущества и недостатки. Затем мы должны подготовить наш компьютер со всеми установленными зависимостями.. Мы будем устанавливать Anaconda, платформа и IDE для нашего программирования на Python. Позже будет несколько дополнительных занятий для тех, кто хочет изучить основы языка программирования Python..

Позже мы установим остальные зависимости, необходимые для создания нашего пользовательского приложения для обмена лицами на Python.. После этого мы напишем код Python построчно, чтобы завершить всю программу с более чем 300 линии. В качестве альтернативы вы также можете загрузить полный код по ссылке на Google Диск, предоставленной в последнем сеансе этого курса.. Сначала мы сделаем замену лица, используя два статических изображения.. Один как исходное изображение, а другой как целевое изображение. Позже мы попробуем использовать его для видео в реальном времени с веб-камеры нашего компьютера.. А затем мы изменим его, чтобы он работал с предварительно сохраненным видео, сохраненным на нашем компьютере..

Из примеров, Вы можете видеть, что это была просто базовая программа смены лица и она совсем не идеальна. Мы делали это, чтобы узнать, как все работает за кулисами..

Позже мы продолжим реализацию дипфейка на основе статьи под названием «Модель движения первого порядка для анимации изображений», представленной Корнельскому университету Александром Сиарохиным., Стефан Латюильер, Sergey Tulyakov, Элиза Риччи и Нику Себе

Поскольку для обучения дипфейку используются дорогие графические процессоры, у нас есть альтернативный план использования бесплатного графического процессора Google Colab. Мы подготовим наш Google диск, создав папки и загрузив образец видео о вождении., на основании чего необходимо анимировать целевое изображение, а также целевые изображения или исходные изображения.

Также мы загрузим копию демонстрационной записной книжки Google Colab и подключим ее к Google Диску.. Затем мы клонируем репозиторий моделей движения первого порядка с Google Drive..

Позже мы также продолжим клонирование репозитория выравнивания лиц.. Установим и настроим в нашем google colab. Затем мы переместим файлы в соответствующие папки и начнем с обрезки видео вождения с помощью встроенной программы на Python..

После этого мы загрузим замороженный график вывода уже обученной модели на наш гугл-диск.. И теперь все готово, чтобы продолжить анимацию исходных изображений на основе видео вождения.. После завершения мы загрузим анимированное видео.. Мы также сделаем то же самое для некоторых других исходных изображений..

В анимационном видео не будет звука.. Поэтому мы должны микшировать аудио с помощью любого бесплатного инструмента для редактирования видео с открытым исходным кодом, доступного в Интернете.. Мы сделаем это на следующем занятии, и, наконец, у нас есть все анимированные видео Deepfake с включенным звуком..

Как заключительная сессия, мы также обсудим, как мы можем сэкономить ограниченное бесплатное время графического процессора, предлагаемое Google, и обходной путь, если время графического процессора превышено.

Еще одно слово, прежде чем я закончу. Пожалуйста, очень ответственно используйте содержание и методы, упомянутые в этом руководстве.. Он предназначен только для учебных и исследовательских целей.. Я как инструктор или платформа, на которой я провожу этот курс, не несут ответственности за любое незаконное или безответственное использование этой техники..

Это все о темах, которые в настоящее время включены в этот краткий курс.. Код, изображения и веса, используемые в этом курсе, были загружены и опубликованы в папке. Я включу ссылку для их загрузки на последнем сеансе или в разделе ресурсов этого курса.. Вы можете свободно использовать код в своих проектах, не задавая вопросов..

Также после прохождения этого курса, вам будет предоставлен сертификат об окончании курса, который повысит ценность вашего портфолио.

Так что пока все, до скорой встречи в классе. Удачного обучения и хорошо проводящего время.

Библиографии и справочные материалы

Протоколы NIPS – Модель движения первого порядка для анимации изображений – Александр Сярохин, Стефан Латюильер, Sergey Tulyakov, Элиза Риччи, Нику Себе
Cornell University – Компьютерное зрение и распознавание образов – Модель движения первого порядка для анимации изображений
Github – Александр Сярохин – модель первого порядка
Страницы Github – Модель движения первого порядка для анимации изображений
Изучить OpenCV – Триангуляция Делоне и диаграмма Вороного с использованием OpenCV
Изучить OpenCV – Замена лица с использованием OpenCV – Сатья Маллик
источник – Замена лица – Серхио Кану