本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯(lián)系出處。

當年輕的馬斯克換上女裝，是這個亞子。

好清秀的姑娘啊~

而若加上胡子，就瞬間變成另一種“風味”。

還可以看看馬斯克過幾年禿頭的樣子。（手動狗頭）

害，馬斯克還是馬斯克，還是那個“地球新首富”。

實現(xiàn)這些的，是一種基于StyleGAN2的新技術——StyleFlow，根據(jù)指定條件，就可以生成人臉。

除了上面這些換女裝、變禿、畫胡子等功能，還集成了換姿勢、調整光照、改變表情等效果，甚至還可以用在車上。

根據(jù)條件生成人臉

我們知道，由于GAN潛伏空間內部的相互作用，通常對一個屬性條件進行編輯的時候會很容易導致其他屬性不必要的而變化。本文正是基于這個背景下，提出了StyleFlow。

具體來說，探討了兩個方面的問題：屬性條件取樣和屬性控制編輯。

第一，屬性條件取樣。對具有特定屬性的高質量真實圖像進行取樣；

第二，屬性控制編輯。對給定的圖像進行編輯，使編輯后的圖像具有目標屬性，同時最好地保留源圖像的特性。

StyleFlow所推斷的路徑是以輸入圖像為條件，因此可以適應各個人臉的獨特性。

首先從源圖像開始使用反向推理，通過CNF塊的序列進行正向推理來支持屬性條件編輯。

圖中，z表示先驗分布的變量，w表示StyleGAN的中間權重向量。

還要注意的是，逆向推理和正向推理是由一個ODE求解器來實現(xiàn)的，它來評估時間變量上的CNF函數(shù)。

其中，屬性向量at為條件學習函數(shù)是關鍵，既可以正向推理，也可用于反向推理。

隨后，使用StyleFlow的屬性條件采樣，通過重新采樣Z0 定義他們的屬性。

最終，研究人員使用StyleGAN的人臉和汽車潛伏空間對我們的方法進行了評估，并在真實照片和StyleGAN生成的圖像上展示了沿各種屬性的細粒度的分離編輯。

例如，對于人臉，改變了相機姿勢、照明變化、表情、面部頭發(fā)、性別和年齡。

還可以一對多的批量化操作。

[[375383]]

最后通過大量的定性和定量比較，以及與已有的技術相比，研究人員證明了StyleFlow的優(yōu)越性。

背后的團隊

這項技術由阿卜杜拉國王科技大學（KAUST）、Adobe共同研發(fā)，第一作者是來自KAUST的Rameen Abdal。

研發(fā)團隊中還有一位華人面孔——朱培豪。

他本科畢業(yè)于東北大學自動化專業(yè)，隨后前往中國科學院大學學習計算機科學。

碩士畢業(yè)后，來到阿卜杜拉國王科技大學計算視覺中心攻讀博士。

除了生成人臉，還能造車？

最后，分享一下這項技術的“造車”的效果~

改變一下顏色。

旋轉任意角度。

普通車秒變SUV~

雖然這些Demo里沒有特斯拉的效果，但還是要問一句：

So，馬斯克感興趣嗎？（手動狗頭）

GitHub：
https://github.com/RameenAbdal/StyleFlow
演示視頻：
https://www.youtube.com/watch?v=LRAUJUn3EqQ&feature=youtu.be
論文地址：
https://arxiv.org/pdf/2008.02401.pdf
項目地址：
https://rameenabdal.github.io/StyleFlow/