梅宁航 发自 凹非寺

有没有想过让蒙娜丽莎跟着你的表情动，来一番亲切的交流？

Aliaksandr的一阶运动模型（First Order Motion Model）可以实现，但是实现过程非常复杂且繁琐。

一阶运动模型功能强大，可以在未经预训练的数据集上对图像和视频进行特效生成，但代价是安装配置比较繁琐。

能不能简单一点，再简单一点？

印度一位程序员阿南德·帕瓦拉（Anand Pawara）设计了基于OpenCV实现的实时动画特效。

毕竟OpenCV是成名已久的跨平台视觉库，是事实上的计算机视觉领域的标准库。

项目中涉及的人脸识别、动作识别和运动跟踪，均在OpenCV库中原生支持。

几天前，阿南德在GitHub上开源了完整代码，并给出实现具体过程。

走过路过，不要错过。

安装过程

1、安装依赖模块

安装依赖模块：

pip install -r requirements.txt

安装pytorch 1.0.0 :

pip install torch===1.0.0 torchvision===0.2.1 -f https://download.pytorch.org/whl/cu100/torch_stable.html

2、下载配置文件（如果不能下载，文件链接在文末）

gdown —id 1wCzJP1XJNB04vEORZvPjNz6drkXm5AUK

3、运行程序

运行文件 :

python image_animation.py -i path_to_input_file -c path_to_checkpoint

针对摄像头的实时特效生成 :

python .\image_animation.py -i .\Inputs\Monalisa.png -c .\checkpoints\vox-cpk.pth.tar Run application from video file : python image_animation.py -i path_to_input_file -c path_to_checkpoint -v path_to_video_file

针对既有视频的特效生成 :

python .\image_animation.py -i .\Inputs\Monalisa.png -c .\checkpoints\vox-cpk.pth.tar -v .\video_inputest1.mp4

如果你想上手试试，只需要调整相关配置文件即可。

模型分为两种使用模式，一种是较为常规的导入视频常规方法，另外一种就是实时生成视频特效。

但是，请注意，一定要使用pytorch 1.0.0版本，因为更高的版本在后端依赖的一阶模型上存在问题。

按照作者的后续计划，会推出客户端程序，并且会增加假声（deepfake voice）功能。

立足OpenCV的优化

阿南德所做的工作是简化现有的一阶运动模型（First Order Motion Model），使用OpenCV对视频进行特效生成。

项目的后端支持由OpenCV库完成，避免使用复杂的模型，降低使用门槛。

按照作者观点，使用这个模型只需要对一类数据集进行训练后，便可应用到对其全部事物上去，即具有较好的泛化能力。

不同于原一阶模型的多个数据集测试效果，现在阿南德实时动态特效模型还只在人脸数据集上进行测试，后续后持续增加其他数据集。

这个模型的特点是易用，配置非常简单，基本可以开箱即用，即使是训练自己的数据集也会比较简单。

因为立足于对现有资源进行优化配置，操作简易，功能强大。

当然，简单也会带来问题，比如现在数据集较为单一，针对的主要是人脸数据集。

此外，对人脸的轮廓识别效果还不那么令人满意，需要加以改造。