《完美世界》因捏脸而得名，不少韩雪走进二次元

大家对手机游戏中“捏脸”的兴趣持续增长。谁在乎游戏角色可以随心所欲地帅又美！

《完美世界》之所以以捏脸而得名，是因为它的功能太强大了。

看上图中的“吴亦凡”，相似度是80%。除了衣服长得不像，其他的都美美哒。看着这双锐利的眼睛，我总觉得有一种他们是双胞胎的错觉。

看看大神按“寒雪”捏的字，这简直就是寒雪进入了二次元！

更多网友根据“刘亦菲”的长相捏了一把人物。虽然嘴和鼻子不是很相似，但整体感觉还是不错的。

随着游戏技术和美术能力的发展，游戏平台计算能力的提高，以及玩家对角色和个性化的要求越来越高，在当今的各种游戏，尤其是MMORPG中，“捏脸”变得非常重要共同的部分。在正式进入游戏之前，很多玩家都会花费数小时来“捏”自己想要的角色形象，而拥有自己喜欢的角色形象也会在一定程度上影响玩家的留存。但是当玩家对捏脸工作不满意，想要尽快进入游戏，或者想要快速建立自己想要的特定角色形象时，有什么办法可以帮助玩家呢？现在有了深度学习技术，我们可以帮助玩家在眨眼之间实现这个目标。

首先分析这个问题。我们希望构建这样一个系统，其输入是用户上传的一张包含人脸的照片，输出是人脸捏合的参数，包括连续的骨骼参数（位移、大小、旋转角度，如眼睛大小、眉毛身高、脸颊胖瘦等）和离散图和色号（如眉形、唇色、胡须样式等）。所以这是一个回归问题，我们的网络模拟了从人脸到参数的映射函数。对于人脸检测和识别，我们不想从零开始训练网络进行特征提取，而是选择成熟的方案，使用faceboxes进行人脸检测，使用facenet进行人脸编码，从而将问题简化为人脸编码向量（512×< @1）到人脸捏合参数向量（这里设置为46×<@1）的映射函数。系统结构如下图所示。

从上图可以看出，当用户想要快速捏出一张与某个人脸相似的人物图片时，上传该人物的照片，并发送给后台进行人脸检测，人脸编码和AI人脸捏脸网络，获取捏脸参数，然后压缩生成捏脸参数二维码，可以在手游中扫描加载，也可以直接嵌入游戏上传照片和AI捏脸。

第二步是设计网络结构。由于去掉了前端的人脸检测和编码过程，剩下的部分其实是一个不复杂的回归问题。对此，我们设计了一个简单的四层神经网络，每层的节点数为[512, 1024, 1024, 512, 46]，每一层都是全连接的，用batch normalization进行归一化，除了输出层为线性输出，其他层使用relu激活函数。

第三，创建训练数据。对于捏脸系统，给定捏脸参数，可以得到对应的人物图像。我们可以对这张图片的人脸进行编码剑灵捏人数据怎么导入，得到一个512维的向量，这是一个判断过程。而我们的系统是在模拟它的反向过程，所以它可以正向生成数据，反向训练模型。我们采用随机生成的方法生成多个人脸捏合参数，从而得到对应字符图像的人脸编码向量，然后将人脸编码向量及其对应参数分别作为训练数据和标签，然后我们就可以开始炼金术了。流程如下图所示。

第四，模型训练和评估。在训练过程中，需要不断调整超参数（batch size、learning rate、迭代次数等），观察loss减少曲线，选择效果最好的模型。然后使用几张人脸图像对得到的模型进行评估，选择最优模型。下图是10000个训练样本训练出来的模型效果剑灵捏人数据怎么导入，左边是上传的照片，右边是AI捏脸得到的人脸形状。

最后，AI 捏脸问题不仅仅是算法和工程问题，而是美学问题。在实践中，我们发现有些模型输出的人脸与原始照片非常相似，但生成的人脸不够漂亮；有些模型输出的人脸非常漂亮，但不够相似。很难同时满足真与美，这需要一个妥协点。因此，我们在模型输出后增加了一个美颜模块，对生成的捏脸参数进行微调，以尽可能地达到“像”和“美”的效果。目前，在“相似度”方面，由于算法选择、训练数据量、人脸骨骼数量有限等因素，不能说非常相似，但有一些明显的特征（面部胖瘦、眼睛和嘴的特征等）可以对应显示。在这方面，其他团队整合了特征点等其他方案，取得了非常好的效果。

欢迎有兴趣的同学一起集思广益交流。

你愿意参与游戏制作

让你设计的角色出现在游戏中

我想零基础进入游戏美术行业

很多公司在投递简历时需要项目经验

……

成都完美世界培训可以为您解决以上问题！

今年新增重庆班，成都和重庆的同学可以就近选择！

感谢欣赏，以上是 www.zhaojl.com 找剑灵,带来的 《完美世界》因捏脸而得名，不少韩雪走进二次元信息，如果您喜欢我们，喜欢当前文章 《完美世界》因捏脸而得名，不少韩雪走进二次元 请复制传播更多人知道！