求直播丹的dst素材

yjk141018

求购
训练万能直播换脸模型的所需要用到的dst素材要有各种的遮挡情况 要高质量的（最好是已经写入遮罩的 ）
满意的话零食或者rmb都可以

独孤求败

最好自己筛选，这样比较好
实在搞不定自行找我
我再想想办法

yjk141018

独孤求败 发表于 2025-9-10 12:35
最好自己筛选，这样比较好
实在搞不定自行找我
我再想想办法

大佬 dst的素材要是自己筛选的话是需要 从那些公开的人脸数据集中筛+各种平台录制的直播回放+自己拍摄或者ai生成的 数量这一块最少也需要几万张吧或者更多 src自己录制各种角度各种表情的大概需要几万张 这样的去训练的话 电脑配置 a5000 显存24  模型用320的分辨率 这样训练一般需要多久

wtxx8888

yjk141018 发表于 2025-9-10 16:37
大佬 dst的素材要是自己筛选的话是需要 从那些公开的人脸数据集中筛+各种平台录制的直播回放+自己拍摄或 ...

自用的直播丹DST，用自己的脸就得了。又不换人。。。

yjk141018

wtxx8888 发表于 2025-9-11 01:02
自用的直播丹DST，用自己的脸就得了。又不换人。。。

要炼换人用的

wtxx8888

yjk141018 发表于 2025-9-11 14:08
要炼换人用的

懒，就找公用数据集，显卡遭罪 训练时间久（起步3-5万张，还 不保证无缺陷）
自己弄一套精选的，少说 也要搜集半年以上。（5千-8千张，要求极高，远远高于 SRC的要求）
貌似DFL出现至今，就没出现过 真精选的DST，全是无脑堆图片的数量。（乱七八糟的自切，再加数据集一堆，完事）

所以，自己凑和着 一样的堆量吧。

五折

wtxx8888 发表于 2025-9-11 22:21
懒，就找公用数据集，显卡遭罪 训练时间久（起步3-5万张，还 不保证无缺陷）
自己弄一套精选的，少说 也要 ...

有的有的，我就从微博扒拉过几十万张高清图，加上艾薇截屏随机抽图几万，加上各种影视剧切SRC时候排除出来的非主角边角料挑选除重凑了20W，用来用去发现数量必须控制在5W以内，就有回到RTM+FFHQ+精选杂图5W左右了
纯FFHQ不够，跑出来适配不了模糊镜头所以DST里还是得有烂图、模糊图、切错脸的图，高清为主、角度求全、越杂越好
用了两年多感觉问题不大

wtxx8888

五折 发表于 2025-9-11 23:31
有的有的，我就从微博扒拉过几十万张高清图，加上艾薇截屏随机抽图几万，加上各种影视剧切SRC时 ...

。。。这不，还是堆数量？真精品的数据集，一万张以内，就足矣。

yjk141018

wtxx8888 发表于 2025-9-11 22:21
懒，就找公用数据集，显卡遭罪 训练时间久（起步3-5万张，还 不保证无缺陷）
自己弄一套精选的，少说 也要 ...

dst素材自己收集的话 这5千到8千张中里边是用
1.几十种人脸 每个人几十或者几百张各种表情各种角度甚至各种光线下的高清图片
2. 2k-8k不同的高清人脸 包含各种角度 各种表情 各种光线
3. 还是说1 2加在一块 一条50%

src素材
这个内容我知道是个各种角度 各种表情 说话的图片
但是这个数量大概控制在什么范围比较合适 我现在用苹果手机录制的4k的素材 包含了这些情况 我是录制二十多分钟的 各种角度做各种表情和说话的视频 全部切帧了 大概有3w多张图片
我想问的就是需不需要进行去重什么的 数量保留在多少可以在这个训练速度和训练质量中找到很好的平衡点
希望大佬解惑

wtxx8888

yjk141018 发表于 2025-9-16 11:08
dst素材自己收集的话 这5千到8千张中里边是用
1.几十种人脸 每个人几十或者几百张各种表情各种角度甚至各 ...

1 全角度格，每格最少1张。
2 表情丰富（不同角度格，表情跨度大的搭配）
3 光影丰富（室内，室外，自然光，人造光，霓虹彩灯，24小时全时间段，阴影遮挡，季节差异，等等）
4 纹理丰富（化妆，素颜，皱纹，痔，青春痘，腮红，牙齿，睫毛，等等）
5 人种丰富（全球人种 及肤色变化，各国的视频与照片都看，就够你 喝一壶了）
6 脸型丰富（瓜子脸，锥子脸，鸭蛋脸，驴脸，国字脸，婴儿肥，骨感脸，网红脸，等等，这也够你喝一壶）
7 年龄丰富（也是纹理的延续项）
8 遮挡丰富（不能 实时遮罩的项目）

选特点明显的即可（美丑勿论，别光美女），不要逐帧那种傻逼行为，一万张以内，足够足够你选全。
SRC的标准 跟这比，就是小儿科。。。
这一套标准，光就 观看各国的海量素材（找资源 跟切脸的耗时 都没算在内），少说你也得  折腾半年。
玩久了自己也会知道要求，就看素材与挑选的这一项，就足够百分之99.99的人，放弃了。（都是随便堆数量）

清晰度的问题，自己决定（好的720P，就能出512的脸，脸比你模型大64到128 就足够。再大的  屁用没有）。