本文更新于: 2024年4月11日
在大规模的WebFace42M数据集上进行训练，以生成高质量的AI人脸艺术风格照片。这个模型的特点是在几秒钟内，仅通过给定ArcFace嵌入，就能生成任何主题的高质量图像。
与基于Stable Diffusion构建的现有模型相比，Arc2Face在ID相似性方面表现出色，这意味着生成的人脸图像与原始人脸具有高度的相似度。
Arc2Face还能够扩展到不同的输入模式，例如使用ControlNet进行姿势控制。这为用户提供了更多的创作自由度，使得生成的图像不仅在面部特征上相似，还能在姿态上有所变化，增加了图像的真实感和多样性。
演示截图
环境部署
安装Arc2Face环境的步骤也很简单，可以通过以下命令在conda环境中创建并激活一个新的环境，然后安装所需的依赖：
|
1 2 3 4 |
conda create -n arc2face python=3.10 conda activate arc2face # Install requirements pip install -r requirements.txt |
下载模型的具体方法如下：
|
1 2 3 |
from huggingface_hub import hf_hub_download hf_hub_download(repo_id="FoivosPar/Arc2Face", filename="arc2face/config.json", local_dir="./models") # 其他相关的下载命令... |
Arc2Face 还提供了一个在 Arc2Face 之上训练的 ControlNet 模型，用于姿势控制。可以通过EMOCA进行3D姿态提取，并按照提供的步骤安装和运行本地gradio演示，以便更深入地体验和利用Arc2Face的强大功能。
整合包下载
演示网址：https://huggingface.co/spaces/FoivosPar/Arc2Face
github：https://github.com/foivospar/Arc2Face
123云盘：https://www.123pan.com/s/9T6A-a9Qxd.html
本文链接：Click here to view the current URL
声明：本站为个人非盈利博客，资源均网络收集且免费分享无限制，无需登录。资源仅供测试学习，请于24小时内删除，任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集。请支持正版！如若侵犯了您的合法权益，可联系我们处理。
