文章目录
- （零）前言
- （一）DeepFaceLab（DeepFake）
- （二）Stable-Diffusion（WEBUI）
- （三）AI相互配合（加上人）
（零）前言
本篇主要提到：人工智能SD+人脑 + 人工智能DFL配合，最终让仅有少量照片的人物出现在视频中。
更多Stable-Diffusion（AI绘图）内容：🔗《继续Stable-Diffusion WEBUI方方面面研究(内容索引)》
更多DeepFaceLab（换脸）内容无单独索引：🔗《可以提高DeepFaceLab（DeepFake）合成最终视频速度的方法》
DeepFaceLabDeepFake_8">（一）DeepFaceLab（DeepFake）
换脸的效果非常好，它较最初的DeepFake有很大改进，生成的视频能以假乱真（还需后期处理一下噪点等）。
但DFL需要大量高质量的图片源脸(Source)(src)，如果仅有少量照片，则无法涵盖多个角度光影，甚至连清晰度都不够。这时强行使用DFL学习则很难降低loss，AI再厉害也回天乏术，最终视频效果根本无法入目。
参考：来自[伊万-佩罗夫]的 Git仓库地址，论文地址。
（二）Stable-Diffusion（WEBUI）
通过在一个潜在表示空间中迭代“去噪”数据来生成图像。最大的特点是非常快，用普通的显卡几秒钟可以画出结果。
同时可以通过比较少量图片来训练LoRA模型。但对于生成人物来说，远景加面部表情有些问题，有时生成很像，有时不像，有时很离谱。
参考：这是我们用到的 SD仓库，WEBUI仓库，以及 论文地址。
（三）AI相互配合（加上人）
别忘了Stable-Diffusion生成图片很快，甚至训练也很快。
我们还可以通过提示词（Prompt）控制人物姿态方向表情动作。所以我们可以这么干：
- 用某个人物少量的照片生成TA的LoRA模型。
- 让电脑疯狂的生成大量该模型的图片（近景，面部特写）。
- 由你自己判断和选出很像的图片 💡 （重要）。
- 把这些图片给DFL作为素材使用。
是的，既然人工智能无法保障面部特征和细微表情，人可以自己判断。
这样一来，缺失但重要的一环就补上了。
这就是取长补短吧——真正实现了所谓人工智能：你来负责人工，计算机负责智能。🤪
玩笑归玩笑，也许有一天AI能真的知道，照片到底像不像人。
快去翻翻老照片，看看祖爷爷/祖奶奶照片够不够训练一个模型。
也许真能让他们生动的出现在视频中。
需要放图么？这里没有例图，也不需要示意图和结构图吧。
😜Happy Creating……
