手机游戏中大家对“捏脸”的兴趣有增无减，谁会介意游戏人物可以按自己所想变更帅、更漂亮呢!
《完美世界》之所以因捏脸而得名，是因为它的功能是在太强大了。
看看上图的“吴亦凡”，相似度达到百分之八十了。除了衣服不像，其他的都是唯妙唯俏了，看这犀利的眼神，总感觉有一种他俩是双胞胎的错觉。
再看看有位大神按照“韩雪”捏的人物，这简直就是韩雪走进了二次元啊!
更有网友按照“刘亦菲”的相貌捏出一个人物，虽然这个嘴巴和鼻子不是很像，但是给人的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升以及玩家对角色和个性化越来越高的要求，如今的各种游戏尤其是MMORPG中，“捏脸”成为了十分常见的一部分。在正式进入游戏之前，不少玩家不惜花费数小时倾注心血“捏”出自己想要的角色形象，而拥有一个喜欢的角色形象也会一定程度的影响玩家的留存。可是当玩家对自己的捏脸作品不满意，但又想尽快进入游戏，或者希望快速建立一个自己想要的特定角色形象时，有什么办法可以帮助玩家呢?如今借助深度学习技术，我们可以帮助玩家在一眨眼的功夫实现这一目标。
首先分析一下这个问题。我们希望构建这样一个系统，其输入是用户上传的包含人脸的照片，输出是捏脸的参数，包括连续的骨骼参数(位移、尺寸、旋转角度，如眼睛大小，眉毛高低，脸颊胖瘦等)和离散的贴图及颜色序号(如眉形，唇色，胡须样式等)。因此，这是一个回归问题，我们的网络模拟的是一个从人脸到参数的映射函数。而对于人脸的检测和识别，我们不希望自己从头训练网络做特征提取，而是选择了成熟的方案，利用faceboxes做人脸检测、facenet做人脸编码，从而将问题简化为从人脸编码向量(512×1)到捏脸参数向量(此处设定为46×1)的映射函数。系统结构如下图所示。
从上图可以看出，当用户希望快速捏出一张近似某个人的脸的角色形象时，上传该人物的照片，传到后台经过人脸检测、人脸编码和AI捏脸网络，得到捏脸参数，然后将其压缩生成捏脸参数二维码，可供用户在手游中扫码加载，或是直接嵌入到游戏内实现上传照片AI捏脸。
第二步，设计网络结构。由于抽出了前端的人脸检测和编码过程，剩下的部分其实是一个并不复杂的回归问题。对此我们设计了一个简单的四层神经网络，其每一层的节点数目分别为[512. 1024. 1024. 512. 46]，每层之间采用全连接，伴随着batch normalization做归一化，除输出层为线性输出外其他层采用relu激活函数。
第三，制作训练数据。对于一个捏脸系统，给定捏脸参数便可以得到对应的角色形象，我们可以对这个形象的人脸进行编码得到512维的向量，这是一个确定过程。而我们的系统是在模拟其逆向过程，因此可以正向生成数据，逆向训练模型。我们采用随机生成的方式生成若干捏脸参数，从而得到对应的角色形象的人脸编码向量，再将人脸编码向量及其对应的参数分别作为训练data和标注label，便可以开始炼丹了。该过程如下图所示。
第四，模型的训练与评估。在训练过程中，需要不断调整超参数(batch size、学习率、迭代次数等)，观察loss下降的曲线，选取效果最佳的模型。然后用若干人脸图片对得到的模型进行评估，选取最优的模型。下图所示为一万张训练样本训练出的模型的效果，左边为上传的照片，右边为AI捏脸得到的脸型。
最后，AI捏脸这件事不只是一个算法和工程问题，更是一个美学问题。在实践中我们发现，有的模型输出很像原照片的人脸，但是生成的人脸不够美;有的模型输出的人脸都很美，但是就不够像了。真实和美好很难同时满足，这需要一个折中权衡的点。因此我们在模型输出之后加了美颜模块，对生成的捏脸参数进行微调，以期尽可能同时达到“像”和“美”的效果。目前“像”这个方面，由于算法方案选型、训练数据量、人脸骨骼数量限制等因素，也还不能说很像，只是一些较明显的特征(脸型胖瘦，眼睛嘴巴特点等)可以对应表现出来。对此也有其他团队融合了特征点等其他方案，获得了很不错的效果。
欢迎有兴趣的同学集思广益，一起交流。
你想参与游戏制作么
让自己设计的人物出现在游戏中
零基础想进入游戏美术行业
投递简历很多公司要求有项目经验
……
成都完美世界培训都能为你解决以上问题!
今年新增了重庆班，成都和重庆同学们都可以就近选择哦!
点击查看详情：
成都完美世界：完美世界美术培训第51期【重庆班招募】zhuanlan.zhihu.com
成都完美世界培训，专业美术培训10余年，我们有次世代、3D动作、原画等专业，已经培训了2000多余学员，有很多学员入职完美世界、腾讯、网易、盛大等，欢迎关注公众号【完美游戏美术官微】一起共同学习成长!
