什么？你的臉可以在游戲里生成？
????????如今，各種AI滿天飛。前有，無中生有的stable diffusion，可以以詞生成二次元老婆，還可以以圖像作為遷移目標(biāo)進行生成；后有，火出天際的ChatGPT，可以聊天、寫代碼、甚至生成論文。
????????可見，AI的能力如此之強。那么，我們能否利用AI，以人物圖像作為輸入生成游戲（如：honey select2）里的人臉數(shù)據(jù)呢？答案是，可以的?。。?/strong>
????????那么,怎么做到呢？理論上，游戲里人物的面部數(shù)據(jù)可以表示成一個多維向量。因此，我們可以使用深度學(xué)習(xí)的方法，以人物圖像作為輸入，讓模型去學(xué)出這個向量，再將這個向量轉(zhuǎn)換成面部數(shù)據(jù)導(dǎo)入到游戲中。這樣一來，在游戲中就完成了對輸入圖像的人臉的“拷貝”。
????????為了驗證這個想法，我使用Resnet50作為特征提取器，將最后的1000維全連接層，縮減到了適合表示游戲面部數(shù)據(jù)的維度數(shù)（75維），其他層保持不變。并且使用均方差損失函數(shù)（MSE Loss)調(diào)整參數(shù)，使用余弦相似度（cosine similarity）作為評價指標(biāo)。在該項目使用了6200多張游戲人物卡（沒有使用真人圖片）進行訓(xùn)練和測試，其中有5000+用于訓(xùn)練，其余用于測試。詳情請查看該項目?https://github.com/ChasonJiang/Extract-Face-Data.git
? ? ? ? 使用上述方法訓(xùn)練一輪（epoch）之后就模型快收斂了，最終模型在1200多張人物卡的測試集中的進行測試的余弦相似度為：93.74%
????????下圖右邊就是使用上述方法生成的面部數(shù)據(jù)在游戲中的結(jié)果：
以上左圖均來自于網(wǎng)絡(luò)，侵刪。
