人工智能视频换脸初级教程
一些说明
FBI WARING at 2019.02.06
原文章写于 2018.02.20，将近于 1 年前，根据科技圈的进化规律，本文早已落伍。而且本文的本质是基于一款软件（fakeapp）写的教程，如果无法获取软件（因为官网早就挂了），那本文已无任何意义。不死心的可以试下磁力链接，在能下载到 fakeapp 的前提下，再阅读本文。本文的 fakeapp 是 2.0 的版本，其他版本自求多福。
环境配置，FakeApp (Windows 专用)
官网下载或使用磁力链接 (官网已挂，磁力自求多福)，magnet:?xt=urn:btih:598F5888522C860D48629EB8EC267496B4322E70
GPU 加速 (强烈建议)
N 卡建议 GTX1060 起，显存 2G 以上
无 N 卡，可以使用 CPU， but very low
如果有 N 卡，建议使用 GPU 计算，需要先安装 Nvidia CUDA , 建议安装 8.0 版本，下载地址
VC 库 (可选)
附赠品，如果操作过程中报错了，可以选择安装 VC 库，下载地址
原理简介
如何把 A 视频的脸，替换进 B 视频？主要分以下几步：
1. 收集 A,B 的脸
因为是视频，所以要用一些特殊的技巧，把一个视频，转换成一张张图片，比如 10s 的视频，可能会有上百张图片，然后在上百张图片里，找出带有人脸的，最终都截取成相同大小的，比如 256*256 的脸图片
2. 训练模型，A->B
有了 A 的 256*256 脸，和 B 的 256*256 脸，通过一些特殊的技巧，能找到两张脸之间联系，图片数越多，联系也就越紧，找到关系后，保存成 模型。这个模型的作用就是，给一张 A 的脸，输入进模型，模型会给出 B 的脸
3. 换脸
随便找一个 A 的视频，依旧是转换成一张张图片，依旧要找出带有人脸的图片。把这一张张图片，丢进第 2 步得到的模型，就能得出一张张替换成 B 脸的图片。最后把所有的图片，再合并成视频，换脸完成
FakeApp 使用
分三步，分别对应上面的三部曲
1.GetDataSet
就一个参数，输入视频的路径。这里其实是要依次执行 2 个视频，一个 A 视频，一个 B 视频，比如 C:\video\a.mp4
执行完毕后，会在 c:\video 目录下，生成 dataset-a 目录
dataset-a 目录，就是一张张图片 ，dataset-a 里面，还有个 extracted 目录
extracted 目录，就是只保留人脸的图片，当然可能会有误差，因为是程序自动切的
注意：要浏览 extracted 目录，只保留 256*256 的人脸图片，其他都删掉
最终完成后，会有 dataset-a，dataset-b 两个目录，里面分别有 extracted 目录
第一步主要是从视频里取得人脸的样本集。 程序可能会报 Failed to execute script align_faces，这种情况可以尝试安装 VC 库，或者从其他途径获得人脸样本集，只要保证 2 张人脸的图片，大小一致
2.Train
有三个参数：
- model 可以在 c:\video 下，新建个目录叫 model，就是空的。那这个参数下就输入 c:\video\model，用来保存模型的结果
- Data A, 对应了截取后的人脸目录，也就是 c:\video\dataset-a\extracted
- Data B，同上，换上 b 的
三个目录输入完后，点击 Train，开始漫长的等待，会有结果显示， Loss A，Loss B，一般小于 0.02，即可认为 OK，自主停掉程序
3.Created
还是三个参数：
- model，同上，输入跑完的模型目录，依然是 c:\video\model
- 输入要换脸的视频，可以拿 a 视频做测试 c:\video\a.mp4
- fps，30 or 24 ，没啥追求的就 24 吧
跑完之后，就得到了换脸后的视频
总结
- 有个好显卡
- 两个视频的人物表情，角度尽量相似