????????如今，各種AI滿天飛。前有，無(wú)中生有的stable diffusion，可以以詞生成二次元老婆，還可以以圖像作為遷移目標(biāo)進(jìn)行生成；后有，火出天際的ChatGPT，可以聊天、寫代碼、甚至生成論文。

????????可見，AI的能力如此之強(qiáng)。那么，我們能否利用AI，以人物圖像作為輸入生成游戲（如：honey select2）里的人臉數(shù)據(jù)呢？答案是，可以的?。?！

????????那么,怎么做到呢？理論上，游戲里人物的面部數(shù)據(jù)可以表示成一個(gè)多維向量。因此，我們可以使用深度學(xué)習(xí)的方法，以人物圖像作為輸入，讓模型去學(xué)出這個(gè)向量，再將這個(gè)向量轉(zhuǎn)換成面部數(shù)據(jù)導(dǎo)入到游戲中。這樣一來，在游戲中就完成了對(duì)輸入圖像的人臉的“拷貝”。

????????為了驗(yàn)證這個(gè)想法，我使用Resnet50作為特征提取器，將最后的1000維全連接層，縮減到了適合表示游戲面部數(shù)據(jù)的維度數(shù)（75維），其他層保持不變。并且使用均方差損失函數(shù)（MSE Loss)調(diào)整參數(shù)，使用余弦相似度（cosine similarity）作為評(píng)價(jià)指標(biāo)。在該項(xiàng)目使用了6200多張游戲人物卡（沒有使用真人圖片）進(jìn)行訓(xùn)練和測(cè)試，其中有5000+用于訓(xùn)練，其余用于測(cè)試。詳情請(qǐng)查看該項(xiàng)目?https://github.com/ChasonJiang/Extract-Face-Data.git

? ? ? ? 使用上述方法訓(xùn)練一輪（epoch）之后就模型快收斂了，最終模型在1200多張人物卡的測(cè)試集中的進(jìn)行測(cè)試的余弦相似度為：93.74%

????????下圖右邊就是使用上述方法生成的面部數(shù)據(jù)在游戲中的結(jié)果：

以上左圖均來自于網(wǎng)絡(luò)，侵刪。