分手后,我把你从我的世界删除

谁没谈过几次恋爱,相处过程难免会发现彼此不合,想把对方删除却苦于没有方法。知道我遇到MI-GAN这个项目。
假设你们之前有这么一张图片:

现在你想把后者从照片中删除,要么自己P图,要么调用上面的模型。模型的地址我都给你准备好了,你跟着做就好了。

1. git clone https://github.com/Picsart-AI-Research/MI-GAN/

复制代码

然后在该项目中新建1个test.py的文件,其内容如下:

1. import cv2
2. import torch
3. import numpy as np
4. from PIL import Image
5. from lib.model_zoo.migan_inference import Generator as MIGAN
8. def read_mask(mask_path, invert=False):
9.     mask = Image.open(mask_path)
10.     mask = resize(mask, max_size=512, interpolation=Image.NEAREST)
11.     mask = np.array(mask)
12.     if len(mask.shape) == 3:
13.         if mask.shape[2] == 4:
14.             _r, _g, _b, _a = np.rollaxis(mask, axis=-1)
15.             mask = np.dstack([_a, _a, _a])
16.         elif mask.shape[2] == 2:
17.             _l, _a = np.rollaxis(mask, axis=-1)
18.             mask = np.dstack([_a, _a, _a])
19.         elif mask.shape[2] == 3:
20.             _r, _g, _b = np.rollaxis(mask, axis=-1)
21.             mask = np.dstack([_r, _r, _r])
22.     else:
23.         mask = np.dstack([mask, mask, mask])
24.     if invert:
25.         mask = 255 - mask
26.     mask[mask < 255] = 0
27.     return Image.fromarray(mask).convert("L")
29. def resize(image, max_size, interpolation=Image.BICUBIC):
30.     w, h = image.size
31.     if w > max_size or h > max_size:
32.         resize_ratio = max_size / w if w > h else max_size / h
33.         image = image.resize((int(w * resize_ratio), int(h * resize_ratio)), interpolation)
34.     return image
37. def preprocess(img: Image, mask: Image, resolution: int) -> torch.Tensor:
38.     img = img.resize((resolution, resolution), Image.BICUBIC)
39.     mask = mask.resize((resolution, resolution), Image.NEAREST)
40.     img = np.array(img)
41.     mask = np.array(mask)[:, :, np.newaxis] // 255
42.     img = torch.Tensor(img).float() * 2 / 255 - 1
43.     mask = torch.Tensor(mask).float()
44.     img = img.permute(2, 0, 1).unsqueeze(0)
45.     mask = mask.permute(2, 0, 1).unsqueeze(0)
46.     x = torch.cat([mask - 0.5, img * mask], dim=1)
47.     return x
49. resolution=256
50. model = MIGAN(resolution=resolution)
51. model.load_state_dict(torch.load("migan_256_ffhq.pt",weights_only=True))
52. model.eval()
54. img_path = "原图路径"
55. mask_path = "蒙版图路径"
56. img = Image.open(img_path).convert("RGB")
57. img_resized = resize(img, max_size=resolution)
58. mask = read_mask(mask_path, invert=True)
59. mask_resized = resize(mask, max_size=resolution, interpolation=Image.NEAREST)
60. x = preprocess(img_resized, mask_resized, resolution)
61. with torch.no_grad():
62.     result_image = model(x)[0]
63. result_image = (result_image * 0.5 + 0.5).clamp(0, 1) * 255
64. result_image = result_image.to(torch.uint8).permute(1, 2, 0).detach().to("cpu").numpy()
65. result_image = cv2.resize(result_image, dsize=img_resized.size, interpolation=cv2.INTER_CUBIC)
66. mask_resized = np.array(mask_resized)[:, :, np.newaxis] // 255
67. composed_img = img_resized * mask_resized + result_image * (1 - mask_resized)
68. composed_img = Image.fromarray(cv2.resize(composed_img, img.size))
69. composed_img.save("output.png")

复制代码

这里需要准备两张图,一张是原图,另一张是蒙版图,蒙版图以黑白两色为主,其中人物使用白色表示,可以使用画图工具手动绘制。类似如下:

而模型可以访问模型自行下载,密码是2162,根据需要选择尺寸和类型。
最后运行后的效果如下:

可以看到成功的把你从我的世界中删除了。

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！