大家在刷短視頻的時(shí)候有沒有刷到這樣的視頻，視頻里一張靜態(tài)的人物圖片能動(dòng)起來，如：歪歪頭、眨眨眼。

類似于下面這種效果

最左側(cè)的人物是原始的動(dòng)作，上面是靜態(tài)圖片。通過AI技術(shù)便可以讓最左側(cè)人物的動(dòng)作運(yùn)用到上面的靜態(tài)圖片上，從而讓張圖都可以做出相同的動(dòng)作。

這種技術(shù)一般是基于的GAN（生成對抗網(wǎng)絡(luò)）來實(shí)現(xiàn)，今天我給大家分享一個(gè)開源項(xiàng)目，能夠復(fù)現(xiàn)上面的效果，可以做些有趣的項(xiàng)目，也可以懷念故人。

1. 運(yùn)行項(xiàng)目

項(xiàng)目地址：https://github.com/AliaksandrSiarohin/first-order-model

首先，git clone將項(xiàng)目下載到本地，進(jìn)入項(xiàng)目安裝依賴

git clone https://github.com/AliaksandrSiarohin/first-order-model.git
cd first-order-model
pip install -r requirements.txt

然后，在項(xiàng)目首頁Pre-trained checkpoint標(biāo)題下，找到模型下載鏈接，下載模型文件，模型有很多，我用的是vox-adv-cpk.pth.tar。

準(zhǔn)備好模型文件后，在項(xiàng)目根目錄下執(zhí)行下面命令即可

python demo.py  \
  --config config/vox-adv-256.yaml \
  --driving_video src_video.mp4 \
  --source_image src_img.jpg \
  --checkpoint weights/vox-adv-cpk.pth.tar

解釋下參數(shù)：

• --config：模型配置文件，在源文件中有
• --driving_video：提供動(dòng)作的視頻
• --source_image：需要加動(dòng)效的靜態(tài)圖片
• --checkpoint：剛剛下載的模型文件

運(yùn)行完成后，會(huì)看到如下輸入

該項(xiàng)目使用PyTorch搭建神經(jīng)網(wǎng)絡(luò)，支持GPU和CPU運(yùn)行，所以如果你的電腦只有CPU，運(yùn)行會(huì)比較慢。

我是在CPU下運(yùn)行的，從上圖可以看到，driving_video只有 31 幀。如果你也是CPU運(yùn)行，最好控制driving_video視頻的時(shí)長，不然運(yùn)行時(shí)長會(huì)比較長。

有了該項(xiàng)目，可以自己做些比較有意思的嘗試

2. Python API

上面教大家按照官網(wǎng)在命令行運(yùn)行該項(xiàng)目。

有些朋友可能想在Python項(xiàng)目中調(diào)用，所以我在demo.py中抽取了核心代碼，封裝了一個(gè)Pyhton API

有需要的朋友可以下載這個(gè)文件，放到與first-order-model同一級(jí)的目錄下，按照下面代碼調(diào)用即可

fom = FOM()
# 查看驅(qū)動(dòng)視頻，驅(qū)動(dòng)視頻最好裁剪為480 x 640 大小的視頻
driving_video = ''
# 被驅(qū)動(dòng)的畫面
source_image = ''
# 輸出視頻
result_video = ''
# 驅(qū)動(dòng)畫面
fom.img_to_video(driving_video, source_image, result_video)

最后，感謝你的關(guān)注，我將持續(xù)分享優(yōu)秀的 AI 項(xiàng)目。如果本文對你有用就點(diǎn)個(gè) 在看 鼓勵(lì)一下吧。

推薦閱讀

牛逼！Python常用數(shù)據(jù)類型的基本操作（長文系列第①篇）
牛逼！Python的判斷、循環(huán)和各種表達(dá)式（長文系列第②篇）
牛逼！Python函數(shù)和文件操作（長文系列第③篇）
牛逼！Python錯(cuò)誤、異常和模塊（長文系列第④篇）

吳恩達(dá)deeplearining.ai的經(jīng)典總結(jié)資料

Ps：從小程序直接獲取下載