本帖最后由 xyz 于 2024-12-17 07:26 编辑
最近这个deep-live-cam项目（下文简称dlc）也是火了一把，只需要1张图就能实时换脸，都不需要训练自己的模型，直接开箱可以用。文末直接放本地运行的整合包下载链接
易用度deep-live-cam：★★★★☆ deepfacelive：★☆☆☆☆ 这方面毫无疑问是dlc胜出，dlc无需训练，只需要一张照片就能直接进行换脸。而deepfacelive（以下简称DFL）由于算法不同，需要针对每个要换脸的形象单独训练一个模型，然后才能使用，无异步骤要麻烦很多。训练时间几天到几周不等，想快速图个新鲜好玩的用户肯定不适合DFL dlc算法虽然方便了使用，但目前用户界面以及操作流程其实还比较原始，各种bug还比较多，所以只能给4星
功能丰富度deep-live-cam：★☆☆☆☆ deepfacelive：★★★★☆ dlc简单的同时，也丧失了很多操控性，比如输入来源、颜色控制、边缘融合处理、人脸大小控制、多人脸筛选控制等，基本都没有这些实际商用会遇到的功能需求。甚至不如使用同一个算法的rope项目，rope项目的功能也比dlc要更丰富 dfl就比较成熟，这类功能就比较多。 清晰度deep-live-cam：★★★☆☆ deepfacelive：★★★☆☆-★★★★★ dlc的清晰度是它一大弱点，因为其基础模型只有128*128的人脸分辨率，比微信视频的画质还要差，具体看我发的视频即可感受到。肉眼可见的像素格子。 软件内虽然自带了GFPGAN来做人脸清晰化处理，但加了超分算法后一来处理速度下降，不过评测时用的最初版本，现在最新版本已经有了很大提升。 dfl的清晰度理论上可以做到很高，流浪地球里的吴京刘德华年轻化就是dfl（deepfacelab）配合后期实现的。不过理论归理论，实践中考虑模型训练时间和成本，一般使用256*256分辨率的人脸模型，远看可以做到毫无破绽，近距离特写还是会露馅。此外模型的训练方法和技巧也会直接影响到模型训练效果 逼真度deep-live-cam：★★★★☆ deepfacelive：★★★★☆ 这方面两者可以打平手，前提是dfl模型训练的比较到位。 两者都能较好还原目标人物的特征，但也都不能改变脸型，所以脸型差异过大时，逼真度也会明显下降
抗遮挡deep-live-cam：★★★★☆ deepfacelive：★★★★☆ dlc可以说完全没做这方面的优化，稍微挡住一点画面就露馅。我在视频里也有演示 dfl这方面优化做的比较好，在训练模型时，可以结合xseg遮挡算法进行遮挡区域的学习，使得实际推理时，能自行预测出被遮挡的部分进行蒙版处理
光影适配度deep-live-cam：★★★★★ deepfacelive：★★★☆☆-★★★★★ 这个是dlc的另一个大优势，下方gif图有展示，在环境光源进行变化时，模型可以做到跟随光影变化而变化。 dfl也能做到这个效果，但对模型训练要求就高了很多，需要拿目标人物大量不同光影角度的素材进行训练才行。如果训练素材里的光影丰富度不足，就会产生类似面具感的瑕疵，面部的光影和环境会有色差
| 
发表于 2024-12-17 07:13:37
提升卡
置顶卡
沉默卡
变色卡
照妖镜