JoJoGAN 实践

JoJoGAN: One Shot Face Stylization. 只用一张人脸图片，就能学习其风格，然后迁移到其他图片。训练时长只用 1~2 min 即可。

code
paper

效果：

主流程：

本文分享了个人在本地环境（非 colab）实践 JoJoGAN 的整个过程。你也可以依照本文上手训练自己喜欢的风格。

准备环境

安装：

Anaconda
PyTorch

conda create -n torch python=3.9 -y
conda activate torchconda install pytorch torchvision torchaudio cudatoolkit=11.3 -c pytorch -y

检查：

$ python - <<EOF
import torch, torchvision
print(torch.__version__, torch.cuda.is_available())
EOF
1.10.1 True

准备代码

git clone https://github.com/mchong6/JoJoGAN.git
cd JoJoGANpip install tqdm gdown matplotlib scipy opencv-python dlib lpips wandb# Ninja is required to load C++ extensions
wget https://github.com/ninja-build/ninja/releases/download/v1.10.2/ninja-linux.zip
sudo unzip ninja-linux.zip -d /usr/local/bin/
sudo update-alternatives --install /usr/bin/ninja ninja /usr/local/bin/ninja 1 --force

然后，将本文提供的几个 *.py 放进 JoJoGAN 目录，从这里获取： https://github.com/ikuokuo/start-deep-learning/tree/master/practice/JoJoGAN 。

download_models.py: 获取模型
generate_faces.py: 生成人脸
stylize.py: 风格化
train.py: 训练

之后，于训练流程一节，会结合代码，讲述下 JoJoGAN 的工作流程。其他些 *.py 只提下用法，实现就不多说了。

获取模型

python download_models.py 获取模型，如下：

models/
├── arcane_caitlyn_preserve_color.pt
├── arcane_caitlyn.pt
├── arcane_jinx_preserve_color.pt
├── arcane_jinx.pt
├── arcane_multi_preserve_color.pt
├── arcane_multi.pt
├── art.pt
├── disney_preserve_color.pt
├── disney.pt
├── dlibshape_predictor_68_face_landmarks.dat
├── e4e_ffhq_encode.pt
├── jojo_preserve_color.pt
├── jojo.pt
├── jojo_yasuho_preserve_color.pt
├── jojo_yasuho.pt
├── restyle_psp_ffhq_encode.pt
├── stylegan2-ffhq-config-f.pt
├── supergirl_preserve_color.pt
└── supergirl.pt

生成人脸

用 StyleGAN2 预训练模型随机生成人脸，用于测试：

python generate_faces.py -n 5 -s 2000 -o input

使用预训练风格

JoJoGAN 给了 8 个预训练模型，可以一并体验，与文首的效果图一样：

# 预览 JoJoGAN 所有预训练模型 风格化某图片（test_input/iu.jpeg）的效果
python stylize.py -i test_input/iu.jpeg -s all --save-all --show-all# 使用 JoJoGAN 所有预训练模型 风格化所有生成的测试人脸（input/*）
find ./input -type f -print0 | xargs -0 -i python stylize.py -i {} -s all --save-all

训练自己的风格

首先，准备一张风格图：

之后，开始训练：

python train.py -n yinshi -i style_images/yinshi.jpeg --alpha 1.0 --num_iter 500 --latent_dim 512 --use_wandb --log_interval 50

--use_wandb 时，可查看训练日志：

最后，测试效果：

python stylize.py -i input/girl.jpeg --save-all --show-all --test_style yinshi --test_ckpt output/yinshi.pt --test_ref output/yinshi/style_images_aligned/yinshi.png

训练工作流程

准备风格图片，转为训练数据

将风格图片里的人脸裁减对齐：

# dlib 预测人脸特征点，再裁减对齐
from util import align_face
style_aligned = align_face(img_path)

将风格图片 GAN Inversion 逆映射回预训练模型的隐向量空间（Latent Space）：

name, _ = os.path.splitext(os.path.basename(img_path))
style_code_path = os.path.join(latent_dir, f'{name}.pt')# e4e FFHQ encoder (pSp) > GAN inversion，得到 latent
from e4e_projection import projection
latent = projection(style_aligned, style_code_path, device)

载入 StyleGAN2 模型，训练微调

载入预训练模型：

latent_dim = 512# 加载预训练模型
original_generator = Generator(1024, latent_dim, 8, 2).to(device)
ckpt = torch.load("models/stylegan2-ffhq-config-f.pt", map_location=lambda storage, loc: storage)
original_generator.load_state_dict(ckpt["g_ema"], strict=False)# 准备微调的模型
generator = deepcopy(original_generator)

训练可调参数：

# 控制风格强度 [0, 1]
alpha = 1.0
alpha = 1-alpha# 是否保留原图像色彩
preserve_color = True# 训练迭代次数（最好 500，Adam 学习率是基于 500 次迭代调优的）
num_iter = 500# 风格图片 targets 及 latents
targets = ..
latents = ..

进行训练，拟合隐空间。最后保存：

# 准备 LPIPS 计算 loss
lpips_fn = lpips.LPIPS(net='vgg').to(device)# 准备优化器
g_optim = torch.optim.Adam(generator.parameters(), lr=2e-3, betas=(0, 0.99))# 哪些层用于交换，用于生成风格化图片
if preserve_color:id_swap = [7,9,11,15,16,17]
else:id_swap = list(range(7, generator.n_latent))# 训练迭代
for idx in tqdm(range(num_iter)):# 交换层混合风格，并加噪声mean_w = generator.get_latent(torch.randn([latents.size(0), latent_dim]).to(device)).unsqueeze(1).repeat(1, generator.n_latent, 1)in_latent = latents.clone()in_latent[:, id_swap] = alpha*latents[:, id_swap] + (1-alpha)*mean_w[:, id_swap]# 以 latent 风格化图片，与目标风格对比img = generator(in_latent, input_is_latent=True)loss = lpips_fn(F.interpolate(img, size=(256,256), mode='area'),F.interpolate(targets, size=(256,256), mode='area')).mean()# 优化g_optim.zero_grad()loss.backward()g_optim.step()# 保存权重，完成
torch.save({"g": generator.state_dict()}, save_path)