AI现在可以教你怎么画绘画初学者，如何画出像样的手绘人像？除了日积月累的练习，说不定你还可以使用下面的工具！首先，你只需要画出面部的轮廓，如下图：然后，电脑会提示你画出人像整体结构的线条，供你参考；然后，给出面部细节的提示线：最后，你能不能画出这样的作品：是不是比新手拿着一张白纸好多了？两步教你画人像这个工具叫做dualFace。之所以能够辅助新手画家和普通用户画出像样的人像，是因为它可以根据您的初始线条给出人像全局框架的草图线条和局部细节。你只需要照着做，即使是没有受过绘画训练的“手残党”也能完成！在全局引导阶段，dualFace可以根据你画出的大致轮廓从内部数据库中搜索出几张相关的人像，并将建议的面部轮廓显示在画布背景上。在localguidance阶段，dualFace利用globalguidance绘制的轮廓与深度生成模型合成人脸图像，然后给出合成结果的细节（眼睛、鼻子、嘴巴等）作为辅助线。请注意，在全局阶段，肖像是数据库中的真实肖像。本地舞台是一个合成的虚拟肖像。为什么两个阶段不使用相同的肖像？这样做是为了让计算机给出的指导更加多样化！毕竟数据库中的人是有限的，使用生成模型可以更细致地分辨出更多的人像。此外，dualFace具有切换功能，用户可以选择最合理的局部引导；如果用户认为本地引导不符合自己的想象，还可以点击按钮将绘图过程返回到全局舞台。下面说说这两个阶段是如何运作的：全局引导全局引导阶段分为三个步骤：数据生成、轮廓匹配和交互式引导。数据生成就是将数据库中的人脸图像转换成人脸轮廓。他们使用双向分割网络(BiSeNet)生成原始人脸图像的语义标签掩码。然后从这个语义标签掩码中提取面部轮廓。面具中的每个像素（例如眼睛、鼻子和嘴巴）都有一个来自原始图像的面部标签ID（用于以后的搜索）。此外，个人资料图像与相应的原始面部图像一起存储。在轮廓匹配步骤中，通过计算用户绘制的轮廓与数据库中存储的轮廓图像的相似度，得到最接近的轮廓图像。GALIF（GaborLocalLine-basedFeature，基于局部线的Gabor特征描述符）用于草图检索和局部形状匹配。交互式引导步骤根据用户不断更新的笔画实时检索最相似的“候选者”，并将它们转换为阴影贴图。本地向导提供整体结构图后，系统开始提供详细线路。局部引导阶段包括两个步骤：面具生成和人像草图生成。在面具生成步骤中，系统可以利用全局舞台中用户的绘图和全局舞台-数据生成部分生成的数据库人脸面具生成最终面具，如下图所示。在人像草图生成步骤中，使用MaskGAN生成与前一阶段匹配的“真人”人像，并使用APdrawingGAN将人像转换为草图。其中，由于两个生成模型是独立训练的，为了将它们连接起来，这一步还使用了梯度提升决策树（GBDT）来计算人脸界标，并将合并后的掩码转换为二值背景轮廓。这个阶段可以生成多张详细的人像草图，用户可以选择最需要的一张作为后续绘制的参考。而且如果用户一开始画的轮廓不完整也没关系，缺失的部分可以通过“Stroke-MaskMappingOptimization”自动补全。以上是两阶段指导的具体实施过程。接下来，他们进行了用户研究，以定性方式验证该工具的有效性。无法正确识别抽象输入dualFace是一个在windows10平台上用Python编写的实时绘图程序。在全局引导阶段，每次释放鼠标后检索图像平均需要0.36秒，而在局部引导中生成肖像图像需要2.78秒。以下是测试人员对整体、局部、整体用户体验进行问卷调查的结果。满分5分，平均分3.9分以上。从整体用户体验来看，所有参与者都同意该工具帮助他们更好地绘制肖像。与其他绘图工具相比，dualFace在空间关系和面部细节的绘图评价上取得了更高的成绩，平均分分别为4.5和4.32。因此，dualFace可以通过正确的面部空间关系和详细的面部特征来引导用户获得更好的肖像画，这是其他绘图程序可能无法提供的信息。另外，下图最右边显示dualFace绘图最短用时4分15秒，最长用时17分15秒，平均耗时约10分钟。虽然用户的绘画技巧可能会有所不同，但花费更多时间必然会带来更好的绘画效果。以下是实验者的绘图结果：可以看出，系统给出的指导图片水平相差无几，但最终的结果还是有些受限于用户的实际绘图水平。不过，如前所述，最后一组只画了眉毛和眼睛，系统不会限制，也可以给出完整的导览图。当然，他们的方法有局限性：抽象草图可能无法转化为合理的面罩。例如下图中用户绘制的轮廓中的嘴巴被误认为是鼻子的一部分，导致了后续一系列鼻子错误的图片。这是因为人脸库里有真实的照片，dualFace只能支持真实风格的人像绘制。因此，面部表情、夸张的卡通造型等高级语义素描很难用它来实现。作者介绍，该项目的研究人员来自北陆高级科学技术研究所和东京大学。前者是1990年成立的具有研究所性质的日本国立大学，拥有多个日本重点扶持学科，科研水平可与东京大学、北京大学相媲美。其在信息科学领域的研究极为顶尖。七名研究人员中有四名是中国人，包括论文的第一作者和第二作者。试玩可以下载GitHub地址：https://github.com/shasph/dualFace论文地址：https://www.arxiv-vanity.com/papers/2104.12297/
