You are looking for information, articles, knowledge about the topic nail salons open on sunday near me 파이썬 딥 페이크 on Google, you do not find the information you need! Here are the best content compiled and compiled by the toplist.Experience-Porthcawl.com team, along with other related topics such as: 파이썬 딥 페이크 딥페이크 처벌, Face Swap 사용법, 딥페이크 github, 딥페이크 만들기 사이트, 딥페이크 시청 처벌, Deep Swap 사용법, Faceswap, 딥페이크 차이유
딥페이크 구현하기 faceswap (1) : 네이버 블로그
- Article author: m.blog.naver.com
- Reviews from users: 40702
Ratings - Top rated: 3.3
- Lowest rated: 1
- Summary of article content: Articles about 딥페이크 구현하기 faceswap (1) : 네이버 블로그 이번장에서는 딥페이크 기법으로 영상을 만드는걸 파이썬으로 구현해보기로 한다. 딥페이크 기술이 무엇인지 잘 모르는 사람을 위해 딥페이크에 대해 … …
- Most searched keywords: Whether you are looking for 딥페이크 구현하기 faceswap (1) : 네이버 블로그 이번장에서는 딥페이크 기법으로 영상을 만드는걸 파이썬으로 구현해보기로 한다. 딥페이크 기술이 무엇인지 잘 모르는 사람을 위해 딥페이크에 대해 …
- Table of Contents:
카테고리 이동
AI딥러닝 c# python
이 블로그
프로그래밍
카테고리 글
카테고리
이 블로그
프로그래밍
카테고리 글
딥페이크 하는 법 – 파이썬 Faceswap – KPOP Deepfakes
- Article author: kpopdeepfakes.net
- Reviews from users: 27732 Ratings
- Top rated: 3.7
- Lowest rated: 1
- Summary of article content: Articles about 딥페이크 하는 법 – 파이썬 Faceswap – KPOP Deepfakes 딥페이크 하는 법 – 파이썬 Faceswap English · 1. 선행 요건 · 2. 파이썬: faceswap 폴더 구조 · 3. 파이썬: 추출 – (DataB) 아이돌 얼굴셋 만들기 · 4. 파이썬: 추출 – ( … …
- Most searched keywords: Whether you are looking for 딥페이크 하는 법 – 파이썬 Faceswap – KPOP Deepfakes 딥페이크 하는 법 – 파이썬 Faceswap English · 1. 선행 요건 · 2. 파이썬: faceswap 폴더 구조 · 3. 파이썬: 추출 – (DataB) 아이돌 얼굴셋 만들기 · 4. 파이썬: 추출 – ( …
- Table of Contents:
1선행 요건
2 파이썬 faceswap 폴더 구조
3 파이썬 추출 – (DataB) 아이돌 얼굴셋 만들기
4 파이썬 추출 – (DataA) 모델 얼굴셋 만들기
5 파이썬 학습
6 파이썬 변환
Congratulations!
Questions Comments
구글, 코렙(Colab)에서 딥페이크 생성 AI 금지 < 정책 < 기사본문 - AI타임스
- Article author: www.aitimes.com
- Reviews from users: 38474 Ratings
- Top rated: 3.2
- Lowest rated: 1
- Summary of article content: Articles about 구글, 코렙(Colab)에서 딥페이크 생성 AI 금지 < 정책 < 기사본문 - AI타임스 ... 변경해 이 서비스를 더 이상 딥페이크 훈련에 사용할 수 없다는 조항을 추가했다.코렙은 누구나 웹 브라우저를 통해 임의의 파이썬(Python) 코드, ... ...
- Most searched keywords: Whether you are looking for 구글, 코렙(Colab)에서 딥페이크 생성 AI 금지 < 정책 < 기사본문 - AI타임스 ... 변경해 이 서비스를 더 이상 딥페이크 훈련에 사용할 수 없다는 조항을 추가했다.코렙은 누구나 웹 브라우저를 통해 임의의 파이썬(Python) 코드, ... 구글이 코렙(Colab, Colaboratory) 플랫폼에서 딥페이크를 생성하는 데 사용할 수 있는 AI 시스템의 학습을 금지했다. 구글은 코렙 사용자를 위한 서비스 약관을 변경해 이 서비스를 더 이상 딥페이크 훈련에 사용할 수 없다는 조항을 추가했다.코렙은 누구나 웹 브라우저를 통해 임의의 파이썬(Python) 코드, 특히 기계 학습 및 데이터 분석을 위한 코드를 작성하고 실행하는 동시에 모든 사용자에게 GPU 및 구글의 AI 가속 텐서 처리 장치(TPU)를 포함한 하드웨어에 대한 무료 액세스를 제공하는 온라인 컴퓨팅 리소스다.최코렙,딥페이크,딥페이스랩,구글,페이스스왑,Colab,Deepfake,DeepFaceLab,FaceSwap
- Table of Contents:
[Deep Fake Tutorial] 나만의 딥페이크(Deep fake) 만들기(수지를 아이유로?)
- Article author: wonder-j.tistory.com
- Reviews from users: 40379 Ratings
- Top rated: 4.5
- Lowest rated: 1
- Summary of article content: Articles about [Deep Fake Tutorial] 나만의 딥페이크(Deep fake) 만들기(수지를 아이유로?) [Deep Fake Tutorial] 나만의 딥페이크(Deep fake) 만들기(수지를 아이유로?) … conda create -y -n deepfacelab python=3.6.6 cudatoolkit=9.0 … …
- Most searched keywords: Whether you are looking for [Deep Fake Tutorial] 나만의 딥페이크(Deep fake) 만들기(수지를 아이유로?) [Deep Fake Tutorial] 나만의 딥페이크(Deep fake) 만들기(수지를 아이유로?) … conda create -y -n deepfacelab python=3.6.6 cudatoolkit=9.0 … DFL(DeepFaceLab)실행 환경 설정 DFL은 중국에서 개발 및 배포된 소스로, 소스 영상에서 얼굴을 추출하여 타겟 영상에 합성, 손쉽게 Deep fake를 만들 수 있음 출처 : DeepFaceLab 아나콘다 설치 DFL 가상환경 만..모든 궁금증과 그 해답을 담는 공간
Github : https://github.com/JaeheeRyu - Table of Contents:
DFL(DeepFaceLab)실행 환경 설정
DFL 실행
![[Deep Fake Tutorial] 나만의 딥페이크(Deep fake) 만들기(수지를 아이유로?)](https://img1.daumcdn.net/thumb/R800x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdn%2Fv8gya%2FbtqD8OAi2Uu%2Fx3ur4RTtkNGz0HYsk1d3AK%2Fimg.png)
Deepfake Tutorial – 자신만의 딥페이크를 만들어 보자 (0부터 100까지)
- Article author: blog.system32.kr
- Reviews from users: 28438 Ratings
- Top rated: 5.0
- Lowest rated: 1
- Summary of article content: Articles about Deepfake Tutorial – 자신만의 딥페이크를 만들어 보자 (0부터 100까지) 먼저 FaceSwap 즉, Deepfake를 구현하기 위해서는 VGA와 CPU의 성능이 좋아야합니다. 딥페이크를 구현하기 이전, CUDA와 tensorflow를 설치해보도록 … …
- Most searched keywords: Whether you are looking for Deepfake Tutorial – 자신만의 딥페이크를 만들어 보자 (0부터 100까지) 먼저 FaceSwap 즉, Deepfake를 구현하기 위해서는 VGA와 CPU의 성능이 좋아야합니다. 딥페이크를 구현하기 이전, CUDA와 tensorflow를 설치해보도록 … 먼저 본 글을 통해서 악의적이나 불법적으로 이용할 경우, 어떠한 책임도 지지 않음을 알려드립니다. 본 글을 쓴 목적은, 예전부터 흥미를 가졌던 FaceSwap과 VoiceSwap 두개중 먼저 FaceSwap(얼굴 교체)에 대해..
- Table of Contents:
댓글
이 글 공유하기
다른 글
[CentOS7] CentOS7에 APM 설치하기 & PHP 로그인 [Python] Pyinstaller Decompile (암호화되어 있는 바이너리 디컴파일) [Arduino] OLED 모듈과 온습도 센서 사용DRM to PDF
티스토리툴바
데이터경영학과 | (파이썬)zoom을 할 때 내가 아닌 아인슈타인이 되는 방법
- Article author: biz.cha.ac.kr
- Reviews from users: 33747 Ratings
- Top rated: 3.4
- Lowest rated: 1
- Summary of article content: Articles about 데이터경영학과 | (파이썬)zoom을 할 때 내가 아닌 아인슈타인이 되는 방법 이 기술은 딥페이크를 이용한 기술이며 관련 설명은 이곳을 눌러 확인해주세요. 저같이 파이썬을 능숙하게 다루지 못하여도 개발자의 설명을 보고 하면 어렵지 … …
- Most searched keywords: Whether you are looking for 데이터경영학과 | (파이썬)zoom을 할 때 내가 아닌 아인슈타인이 되는 방법 이 기술은 딥페이크를 이용한 기술이며 관련 설명은 이곳을 눌러 확인해주세요. 저같이 파이썬을 능숙하게 다루지 못하여도 개발자의 설명을 보고 하면 어렵지 …
- Table of Contents:
한 권으로 다지는 머신러닝&딥러닝 with 파이썬: 인공지능 핵심 개념과 사용 사례 … – 알베르토 아르타산체스, 프라틱 조시 – Google Sách
- Article author: books.google.com.vn
- Reviews from users: 9660 Ratings
- Top rated: 3.4
- Lowest rated: 1
- Summary of article content: Articles about 한 권으로 다지는 머신러닝&딥러닝 with 파이썬: 인공지능 핵심 개념과 사용 사례 … – 알베르토 아르타산체스, 프라틱 조시 – Google Sách Updating …
- Most searched keywords: Whether you are looking for 한 권으로 다지는 머신러닝&딥러닝 with 파이썬: 인공지능 핵심 개념과 사용 사례 … – 알베르토 아르타산체스, 프라틱 조시 – Google Sách Updating 인공지능이 처음이라면! 개념과 예제로 머신러닝 탄탄하게 다지기 이 책은 인공지능 관련 핵심 개념부터 머신러닝과 딥러닝까지, 인공지능 구현에 필요한 모든 것을 담았다. 실제 시나리오를 살펴보면서 문제에 따라 어떤 알고리즘을 어떻게 적용하는지 학습한다. 예제는 파이썬과 텐서플로를 사용하며 파이썬 입문자도 쉽게 따라 할 수 있는 코드로 구성되었다. 파이썬 프로그래밍 경험이 있다면 코드를 자유롭게 활용해 원하는 프로그램을 만들어볼 수 있다. 영화 추천 시스템 구축, 주식시장 분석, 객체 추적기 구축 등 흥미로운 예제를 따라 차근차근 학습하고 나면 다양한 인공지능 기술을 이해하고 상황에 맞춰 자신 있게 적용하는 자신을 발견하게 될 것이다. 이미지, 텍스트, 음성 등 다양한 데이터를 이해하는 똑똑한 애플리케이션을 지금 바로 만들어보자. 대상 독자인공지능을 배우고 싶은 누구나인공지능을 사용해 실제 애플리케이션을 개발하려는 파이썬 개발자다루는 내용인공지능, 머신러닝, 딥러닝이 무엇인지 이해한다.주요 인공지능 사용 사례를 살펴본다.머신러닝 파이프라인 구축 방법을 학습한다.특성 선택과 특성 공학의 기본 개념을 이해한다.지도 학습과 비지도 학습의 차이점을 이해한다.인공지능을 개발하는 최신 클라우드 기술과 도구를 살펴본다.자동 음성 인식 시스템과 챗봇을 만들어본다.인공지능 알고리즘을 시계열 데이터에 적용한다.인공지능 초보 여행자에게 나무가 아닌 숲을 보여주는 완벽한 안내서! 알파고, 넷플릭스, 애플 시리는 인공지능이 사용된 대표적인 사례입니다. 인공지능 기술을 아는 사람이든 모르는 사람이든 누구나 일상에서 심심찮게 접할 수 있죠. 한편으로는 우리도 모르는 사이에 인공지능이 한몫을 톡톡히 하고 있는 사례도 있습니다. 구글 검색과 쿠팡 배송 시스템이 그 예입니다. 우리는 이를 통해 인공지능이 이미 일상에 깊숙이 자리 잡았음을 알 수 있습니다. 이것이 바로 이 책의 출발점입니다. 이 책은 독자가 일상 속 친숙한 사례로부터 인공지능 학습의 첫발을 내딛도록 안내합니다. 대표적인 사용 사례들을 먼저 소개한 뒤에 각 기술을 구현하려면 어떤 알고리즘을 어떻게 적용해야 하는지 차근차근 알려줍니다. 머신러닝과 딥러닝의 핵심 개념들을 너무 얕지도, 너무 어렵지도 않게 설명해 기본기를 탄탄히 다지도록 해줍니다. 영화 추천 시스템, 게임 봇, 텍스트 감정 분석기 등을 구축하는 흥미로운 예제도 함께합니다. 장별 주요 내용 [1장 인공지능 소개]인공지능 애플리케이션을 구축하는 데 필요한 핵심 개념을 학습합니다. 파이썬 3 설치 방법도 알아봅니다. [2장 인공지능 사용 사례]인공지능 알고리즘을 살펴보기에 앞서 오늘날 가장 많이 사용되는 분야와 사용 사례를 분석합니다. [3장 머신러닝 파이프라인]머신러닝 파이프라인이 무엇인지 학습하고 구현에 어떤 도구가 사용되는지 알아봅니다. 파이프라인 내 주요 단계를 예제와 함께 살펴봅니다. [4장 특성 선택과 특성 공학]특성 선택과 특성 공학이 무엇이며 왜 중요한지 학습합니다. 기존 특성과 외부 소스에서 새 특성을 만드는 방법과, 중복되거나 가치가 낮은 특성을 제거하는 방법을 알아봅니다. [5장 지도 학습을 이용한 분류와 회귀]지도 학습이 무엇이며 비지도 학습과 어떤 차이가 있는지 알아봅니다. 분류가 무엇인지 학습하고 다양한 알고리즘을 살펴봅니다. [6장 앙상블 학습을 이용한 예측 분석]다양한 앙상블 방법과 각 방법을 언제 사용하는지 학습합니다. 배운 내용을 예제에 적용해 교통량을 예측해봅니다. [7장 비지도 학습을 이용한 패턴 감지]비지도 학습과 데이터 클러스터링 개념을 학습합니다. 다양한 클러스터링 알고리즘을 적용하는 방법을 알아보고 예제를 통해 작동 방식을 이해합니다. [8장 추천 시스템 구축]추천 시스템 구축에 필요한 개념을 학습하고 이를 활용해 영화 추천 시스템을 구축해봅니다. [9장 논리 프로그래밍]논리 프로그래밍으로 프로그램을 작성하는 방법을 배웁니다. 가계도 구문 분석, 지도 분석, 퍼즐 솔버 구축 등 문제 해결 예제를 살펴봅니다. [10장 휴리스틱 검색 기술]휴리스틱 검색의 정의와 검색 기술을 학습합니다. 예제를 통해 영역 색상 문제를 해결하고 8-퍼즐 솔버와 미로 찾기를 구축해봅니다. [11장 유전 알고리즘과 유전 프로그래밍]유전 프로그래밍이 AI 분야에서 중요한 이유를 알아봅니다. 유전 알고리즘을 사용해 간단한 문제를 해결하는 방법을 학습한 뒤 실제 문제에 적용해봅니다. [12장 클라우드를 이용한 인공지능]AI 프로젝트를 활성화하고 가속화하는 다양한 클라우드 제공 업체 및 제품을 알아봅니다. [13장 인공지능을 이용한 게임 개발]다양한 검색 알고리즘을 학습하고 마지막 동전 남기기, 틱택토, 커넥트포, 헥사폰 게임을 플레이하는 지능형 봇을 구축해봅니다. [14장 음성 인식 구축]음성 데이터를 처리하고 특성을 추출하는 방법을 배웁니다. 추출한 기능을 사용해 음성 인식 시스템을 구축해봅니다. [15장 자연어 처리]자연어 처리에 사용하는 다양한 기술을 학습합니다. 배운 내용을 활용해 카테고리 예측기, 성별 식별자, 감정 분석기를 구축해봅니다. [16장 챗봇]챗봇 구축에 필요한 기본 개념과 도구를 살펴본 뒤 이를 기반으로 챗봇을 구축해봅니다. [17장 시퀀스 데이터와 시계열 분석]시퀀스 데이터의 다양한 특성을 살펴보고 은닉 마르코프 모델을 사용해 시퀀스 데이터를 분석하는 방법을 학습합니다. 배운 내용을 활용해 주식시장 데이터를 분석해봅니다. [18장 이미지 인식]이미지 인식의 중요성을 알아보고 라이브 영상에서 물체를 감지 및 추적하는 방법을 학습합니다. 얼굴과 눈을 감지하고 추적하는 예제를 살펴봅니다. [19장 신경망]신경망을 구축하고 훈련하는 방법을 학습합니다. 퍼셉트론이 무엇이며 신경망 구축에 어떻게 사용되는지 알아봅니다. 마지막에는 광학 문자 인식 엔진을 구축해봅니다.[20장 합성곱 신경망을 이용한 딥러닝]딥러닝의 기본을 학습합니다. 합성곱 신경망에 관련된 다양한 개념을 살펴보고 이를 이미지 인식에 사용하는 방법을 알아봅니다. 학습한 내용을 기반으로 실제 애플리케이션을 구축해봅니다. [21장 순환 신경망과 기타 딥러닝 모델]자연어 처리 및 이해에 자주 사용되는 순환 신경망을 학습합니다. 순환 신경망 아키텍처를 살펴보고 어떤 이점과 제한 사항이 있는지 알아본 뒤 간단한 예제를 살펴봅니다.[22장 강화 학습 – 지능형 에이전트 생성]강화 학습의 정의와 모델 내 구성 요소를 살펴봅니다. 강화 학습 시스템을 구축하는 데 사용하는 기술과 학습 에이전트를 구축하는 방법을 알아봅니다. [23장 인공지능과 빅데이터]빅데이터 기술을 적용해 머신러닝 파이프라인을 가속화하는 방법을 알아보고 데이터 세트 수집, 변환, 유효성 검사를 간소화하는 기술을 분석합니다. 아파치 스파크를 사용하는 예제를 살펴봅니다.
- Table of Contents:
모두의 인공지능 with 파이썬 – 이영호 – Google Sách
- Article author: books.google.com.vn
- Reviews from users: 10062 Ratings
- Top rated: 4.0
- Lowest rated: 1
- Summary of article content: Articles about 모두의 인공지능 with 파이썬 – 이영호 – Google Sách Updating …
- Most searched keywords: Whether you are looking for 모두의 인공지능 with 파이썬 – 이영호 – Google Sách Updating 이 책은 초보자와 비전공자의 눈높이에서 인공지능이 무엇이며 어떻게 활용하는지를 알려주는 책이다. 티처블 머신, 퀵드로우, 오토드로우, 텐서플로 플레이그라운드 등 누구나 인공지능의 개념을 쉽게 경험해 볼 수 있는 도구들을 소개한 뒤, 딥러닝의 세 가지 학습 방법과 원리를 사례와 비유를 들어 설명한다. 파이썬을 모르는 사람도 볼 수 있도록 기초 파이썬 문법을 짚어주고, 개발 환경(코랩, 텐서플로, 케라스)을 구축하는 방법도 상세히 알려준다. 뒤에서는 앞에서 배운 원리를 활용하여 실제로 인공지능 모델을 만들어 본다. 손글씨로 쓴 숫자를 인식하는 인공지능, 코로나 19 확진자 수를 예측하는 인공지능, 숫자를 생성하는 인공지능을 직접 만들면서, 딥러닝의 세부 기술인 순환 신경망(RNN), 적대적 생성 신경망(GAN) 등이 어떻게 동작하는지 이해할 수 있다. 모든 실습 과정은 따라 하기 쉽게 단계별로 안내하며 코드 한 줄 한 줄 자세한 설명을 달았다.* 종이책 4쇄 출간에 맞춰 수정 사항을 반영했습니다.
- Table of Contents:
See more articles in the same category here: toplist.Experience-Porthcawl.com/blog.
딥페이크 구현하기 faceswap (1) : 네이버 블로그
인공지능 기술을 활용해 기존의 인물의 얼굴이나, 특정한 부위를 영화의 CG처럼 합성한 영상 편집물을 말한다. 그 전에는 사진이나 영상을 편집프로그램으로 조악하게 합성해 게시하던게 디지털 기술과 인공지능의 발전으로 몇단계 정교해진 것이다.
원리 자체는 간단한데 합성하려는 인물의 얼굴이 주로 나오는 고화질의 동영상을 딥러닝 기법에 의해 취득한 후, 대상이 되는 동영상에 프레임 단위로 합성시키는 것이다.
머리 외곽선을 통째로 합성하는건 아니고, 안면 윤곽 안쪽과 피부톤을 맞쳐서 합성해가는데, 이게 엄청 정교해 보이는게 음성에는 손을 안대지만 입모양과 얼굴 표정을 완전 정교하게 매칭시켜서 합성하기 때문에 정말 데이터가 많은 딥페이크 영상은 원본과 구별하기가 매우 힘들다.
단점은, 영상의 화질이나, 처리되는 데이터가 적게되면, 조악하게 나온다는건데, 이게 요새같이 디지털 미디어에 얼굴이나 영상등이 나오는 유명인의 경우 데이터가 많아서 문제가 안된다.
그래서 현재 가장 문제되는게, 포르노 영상인데, 유명배우들이나 유명인들을 이용한 딥페이크 포르노가 너무나 정교해져서 가장 큰 문제가 되고 있다.
이게 만일 일반인으로까지 공포가 시작되면 SNS 활용폭이 매우 극단적으로 낮아지고 있어 한편으로는 딥페이크영상을 걸러내는 기술자체를 페이스북에서 캐글에 $1,000,000 상금을 걸고 최근에 개최하기도 했었다.
딥페이크 하는 법 – 파이썬 Faceswap
딥페이크 하는 법 – 파이썬 Faceswap English
Updated 2018/12/09
For DeepFaceLab, visit here (advanced users only)
다른 질문사항이 있다면 Deepfake Tech 게시판에 자유롭게 질문 해주세요!
1.선행 요건
최신 Nvidia 그랙카드 드라이버 설치
고성능 CPU와 더불어 VRAM(그래픽 카드 메모리) 2GB, compute capability 3.0이상의 GPU가 필요합니다.
GPU의 compute capability는 이 목록에서 확인하시고 3.0 미만이시면 포기하셔야 됩니다.
목록에 게재 되어있지 않은 GPU는 사용 불가능합니다.
최소사양을 충족 하신다면 GeForce Experience에서 GPU 드라이버를 최신버전으로 업데이트 하세요.
CUDA 9.0
Expand +++Tensorflow가 9.1 버젼과는 호환이 안되니 9.1은 절대 받지 마세요!!+++
사용하실 컴퓨터에 적합한 설정을 선택하시고 Installer Type을 exe (local)로 설정하신후 CUDA 9.0를 다운로드하세요.
설치화면이 뜨면 Custom Install 선택하신후 CUDA와 Other components 항목만 체크하시고 설치하세요.
+++Tensorflow가 9.1 버젼과는 호환이 안되니 9.1은 절대 받지 마세요!!+++
사용하실 컴퓨터에 적합한 설정을 선택하시고 Installer Type을 exe (local)로 설정하신후 CUDA 9.0를 다운로드하세요.
설치화면이 뜨면 Custom Install 선택하신후 CUDA와 Other components 항목만 체크하시고 설치하세요.
cudNN 7
Expand +++중요: Tensoflow는 cudnn 7.1.4와 호환되므로 절대 상위 버젼인 7.1을 받지 마세요!+++
여기에 회원가입 하신후 cuDNN v7.1.4 (May 16, 2018), for CUDA 9.0를 다운로드 하세요. 무조건 Windows 7/10용 cudNN v7.1.4 Library로 하세요!!. 자세한 설치방법은 항목 4.3에설명 되어 있습니다. 항목 4.3 한글 번역 다운받은 cudnn-9.0-windows10-x64-v7.1.zip 또는 cudnn-9.0-windows10-x64-v7.1.zip의 압축을 풀어줍니다 아래의 파일들을 해당 폴더로 옮깁니다: • cuda\bin\cudnn64_7.dll을 복사하여 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin에 붙여넣기 합니다. • cuda\ include\cudnn.h을 복사하여 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include에 붙여넣기 합니다. • cuda\lib\x64\cudnn.lib을 복사하여 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64에 붙여넣기 합니다. cuDNN 위치를 환경변수에 추가 윈도우에 “환경변수 설정”을 검색합니다. 고급 설정(Advanced) -> 환경 변수(Environment Variables) 로 들어갑니다 새로 만들기(New)를 클릭하여 “변수 이름: CUDA_PATH”과 “변수 값: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0″을 추가합니다.
이미 추가가 되어 있는 경우에는 놔두셔도 됩니다. +++중요: Tensoflow는 cudnn 7.1.4와 호환되므로 절대 상위 버젼인 7.1을 받지 마세요!+++
여기에 회원가입 하신후 cuDNN v7.1.4 (May 16, 2018), for CUDA 9.0를 다운로드 하세요. 무조건 Windows 7/10용 cudNN v7.1.4 Library로 하세요!!. 자세한 설치방법은 항목 4.3에설명 되어 있습니다. 항목 4.3 한글 번역 다운받은 cudnn-9.0-windows10-x64-v7.1.zip 또는 cudnn-9.0-windows10-x64-v7.1.zip의 압축을 풀어줍니다 아래의 파일들을 해당 폴더로 옮깁니다: • cuda\bin\cudnn64_7.dll을 복사하여 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\bin에 붙여넣기 합니다. • cuda\ include\cudnn.h을 복사하여 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\include에 붙여넣기 합니다. • cuda\lib\x64\cudnn.lib을 복사하여 C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0\lib\x64에 붙여넣기 합니다. cuDNN 위치를 환경변수에 추가 윈도우에 “환경변수 설정”을 검색합니다. 고급 설정(Advanced) -> 환경 변수(Environment Variables) 로 들어갑니다 새로 만들기(New)를 클릭하여 “변수 이름: CUDA_PATH”과 “변수 값: C:\Program Files\NVIDIA GPU Computing Toolkit\CUDA\v9.0″을 추가합니다.
이미 추가가 되어 있는 경우에는 놔두셔도 됩니다.
ffmpeg
Expand 여기서 ffmpeg를 다운로드 하시고 C:\ 루트 디렉토리에 압축 풀어주세요. (최종 디렉토리: C:\ffmpeg-4.1-win64-static) 명령 프롬프트(cmd)에서 사용할수 있도록 ffmpeg를 시스템 환경 변수에 추가합니다. 윈도우 파일 검색창에 “Edit the system environment variables”를 입력하시고 오른쪽 아래에 있는 “Environment Variables…”을 클릭하세요.
그 다음 System Variables 설정탭에 있는 “Path” 항목을 선택하시고 편집버튼을 클릭 해주세요.
새로 뜬 창 오른편에 있는 “새로 만들기(New)”를 클릭하시고 아래의 경로를 추가해주세요. C:\ffmpeg-4.1-win64-static\bin 여기서 ffmpeg를 다운로드 하시고 C:\ 루트 디렉토리에 압축 풀어주세요. (최종 디렉토리: C:\ffmpeg-4.1-win64-static) 명령 프롬프트(cmd)에서 사용할수 있도록 ffmpeg를 시스템 환경 변수에 추가합니다. 윈도우 파일 검색창에 “Edit the system environment variables”를 입력하시고 오른쪽 아래에 있는 “Environment Variables…”을 클릭하세요.
그 다음 System Variables 설정탭에 있는 “Path” 항목을 선택하시고 편집버튼을 클릭 해주세요.
새로 뜬 창 오른편에 있는 “새로 만들기(New)”를 클릭하시고 아래의 경로를 추가해주세요. C:\ffmpeg-4.1-win64-static\bin
Python 3.6.7 (다운 링크)
Cmake 및 Microsoft Visual Studio 2015 C++ Build Tools 설치
Expand 아래의 명령어를 입력합니다 pip install cmake 그리고 여기서 Microsoft Visual Studio 2015 C++ Build Tools installer를 다운 받습니다. 설치시에 custom install을 고르시고, 다음에 “Windows 8.1 SDK” 와 “Windows 10 SDK”를 체크하고 설치를 계속 진행해주세요
아래의 명령어를 입력합니다 pip install cmake 그리고 여기서 Microsoft Visual Studio 2015 C++ Build Tools installer를 다운 받습니다. 설치시에 custom install을 고르시고, 다음에 “Windows 8.1 SDK” 와 “Windows 10 SDK”를 체크하고 설치를 계속 진행해주세요
Faceswap 설치
Expand 파이썬 faceswap을 여기서 받습니다:
압축을 풀고 “faceswap-master” 폴더를 C 드라이브로 옮긴 후 “faceswap” 으로 이름을 변경합니다 (C:\faceswap). cmd를 실행하고 아래의 명령어를 입력합니다 (cmd 켜는 방법 모르시면 여기를 참조): cd /d “C:\faceswap” && python setup.py 그러면 아래와 같은 화면이 뜰 것입니다. INFO The tool provides tips for installation and installs required python packages INFO Setup in Windows 10 INFO Installed Python: 3.6.5 64bit INFO Installed PIP: 10.0.1 Enable Docker? [Y/n] n <----- INFO Docker Disabled Enable CUDA? [Y/n] Y <----- INFO CUDA Enabled INFO Tensorflow has no official prebuilts for CUDA 9.1 currently. ...... WARNING Cannot find CUDA on non-Linux system Manually specify CUDA version: 9.0 Are System Dependencies met? [y/N] y <----- INFO Installing Missing Python Packages... INFO Installing tensorflow-gpu INFO Installing pathlib==1.0.1 ...... INFO Installing tqdm INFO Installing matplotlib INFO All python3 dependencies are met. You are good to go. “<——“의 왼쪽에는 질문에 대한 답이 요구되며, 위에 제시되어 있는 답을 쓰세요. 예를 들어 “Enable CUDA? [Y/n]” 라고 했을 때는 n을 입력하고 엔터를 누르세요. CUDA의 버젼을 물을 때는 9.0이라고 쓰고 엔터를 누르세요. 모든 게 정상적으로 진행 됐다면 넘어가시고, 성공하지 않으셨다면 아래의 과정을 따라하세요. cmd를 켜고 아래의 명령어를 입력합니다. cd /d "C:\faceswap" && pip install -r requirements.txt 컴퓨터가 자동적으로 텍스트를 UTF-8 포맷으로 변경하지 않아서 오류가 날 경우 아래의 스크린샷처럼 requirements.txt를 연 후 UTF-8 포맷으로 저장합니다: cmd를 켜고 아래의 명령어를 입력합니다. pip install tensorflow-gpu==1.11.0 파이썬 faceswap을 여기서 받습니다: 압축을 풀고 “faceswap-master” 폴더를 C 드라이브로 옮긴 후 “faceswap” 으로 이름을 변경합니다 (C:\faceswap). cmd를 실행하고 아래의 명령어를 입력합니다 (cmd 켜는 방법 모르시면 여기를 참조): cd /d "C:\faceswap" && python setup.py 그러면 아래와 같은 화면이 뜰 것입니다. INFO The tool provides tips for installation and installs required python packages INFO Setup in Windows 10 INFO Installed Python: 3.6.5 64bit INFO Installed PIP: 10.0.1 Enable Docker? [Y/n] n <----- INFO Docker Disabled Enable CUDA? [Y/n] Y <----- INFO CUDA Enabled INFO Tensorflow has no official prebuilts for CUDA 9.1 currently. ...... WARNING Cannot find CUDA on non-Linux system Manually specify CUDA version: 9.0 Are System Dependencies met? [y/N] y <----- INFO Installing Missing Python Packages... INFO Installing tensorflow-gpu INFO Installing pathlib==1.0.1 ...... INFO Installing tqdm INFO Installing matplotlib INFO All python3 dependencies are met. You are good to go. “<——“의 왼쪽에는 질문에 대한 답이 요구되며, 위에 제시되어 있는 답을 쓰세요. 예를 들어 “Enable CUDA? [Y/n]” 라고 했을 때는 n을 입력하고 엔터를 누르세요. CUDA의 버젼을 물을 때는 9.0이라고 쓰고 엔터를 누르세요. 모든 게 정상적으로 진행 됐다면 넘어가시고, 성공하지 않으셨다면 아래의 과정을 따라하세요. cmd를 켜고 아래의 명령어를 입력합니다. cd /d "C:\faceswap" && pip install -r requirements.txt 컴퓨터가 자동적으로 텍스트를 UTF-8 포맷으로 변경하지 않아서 오류가 날 경우 아래의 스크린샷처럼 requirements.txt를 연 후 UTF-8 포맷으로 저장합니다: cmd를 켜고 아래의 명령어를 입력합니다. pip install tensorflow-gpu==1.11.0 2. 파이썬: faceswap 폴더 구조 Expand 아래의 코드를 입력하여 실행되는지 확인하시기 바랍니다. 여기서 dlib 관련 에러가 발생하면 설치과정 중에 실수를 했을 수도 있습니다. cd /d "C:\faceswap" && python faceswap.py -h faceswap 폴더 안에 “DataA”와 “DataB”라는 두가지의 폴더를 만듭니다: 다음과 같은 추가적인 폴더를 만듭니다: C:\faceswap\DataA\actress1 -> 모델 영상 프레임/이미지 C:\faceswap\DataA\actress1\extracted -> 모델 영상 프레임/이미지에서 추출된 얼굴 C:\faceswap\DataB\idol1 -> 아이돌 영상 프레임/이미지 C:\faceswap\DataB\idol1\extracted -> 아이돌 영상 프레임/이미지에서 추출된 얼굴 C:\faceswap\DataA\model -> 학습시에 생성되는 파일들이 저장됩니다. 학습 시작시에 자동적으로 생기므로 안 만드셔도 됩니다. C:\faceswap\DataA\model\model1 -> 학습시에 생성되는 파일들이 저장됩니다. 학습 시작시에 자동적으로 생기므로 안 만드셔도 됩니다.
아래의 코드를 입력하여 실행되는지 확인하시기 바랍니다. 여기서 dlib 관련 에러가 발생하면 설치과정 중에 실수를 했을 수도 있습니다. cd /d “C:\faceswap” && python faceswap.py -h faceswap 폴더 안에 “DataA”와 “DataB”라는 두가지의 폴더를 만듭니다:
다음과 같은 추가적인 폴더를 만듭니다: C:\faceswap\DataA\actress1 -> 모델 영상 프레임/이미지 C:\faceswap\DataA\actress1\extracted -> 모델 영상 프레임/이미지에서 추출된 얼굴 C:\faceswap\DataB\idol1 -> 아이돌 영상 프레임/이미지 C:\faceswap\DataB\idol1\extracted -> 아이돌 영상 프레임/이미지에서 추출된 얼굴 C:\faceswap\DataA\model -> 학습시에 생성되는 파일들이 저장됩니다. 학습 시작시에 자동적으로 생기므로 안 만드셔도 됩니다. C:\faceswap\DataA\model\model1 -> 학습시에 생성되는 파일들이 저장됩니다. 학습 시작시에 자동적으로 생기므로 안 만드셔도 됩니다.
3. 파이썬: 추출 – (DataB) 아이돌 얼굴셋 만들기
Expand 얼굴셋을 준비하기 위한 과정입니다. 얼굴셋이란? 256×256 이미지 크기의 아이돌 얼굴 모음집 몇개의 이미지가 한 셋에 포함되어야 할까? 효과적이고 빠른 학습을 위해서는 300~1000개 사이가 좋습니다 이미지의 품질은 어때야 될까? 얼굴이 명확해 보이는 빛 밝기, 흐림이 없고, 다른 물체(머리카락,병,마이크 등)가 얼굴을 가리지 않은 이미지가 좋습니다. 그리고 최대한 다양한 각도(위,아래,옆)와 표정이 있는 얼굴이 있는 것이 좋습니다. 특히 고개를 위로 들거나 아래로 숙인 얼굴은 찾기 어려우므로 고생하실 수도 있습니다 그래서 얼굴셋을 만드는 방법은? 가장 쉬운 방법은 다른 유저들이 만든 얼굴셋을 사용하는 겁니다. 다운받은 얼굴들을 (C:\faceswap\DataB\idol1\extracted)와 같은 경로로 복붙합니다.또는! 본인이 직접 만드시고 싶다면 faceswap을 이용하여 얼굴을 추출하여야 합니다. 목표 아이돌의 이미지를 구글 검색, pinterest 등에서 얻어서 C:\faceswap\DataB\idol1로 복붙합니다 가장 좋은 방법은 영상에서 얼굴을 얻는 것이며 이를 인터뷰, 직캠, 뮤비 등에서 얻을 수 있습니다. 영상들을 모두 C:\faceswap\DataB\idol1로 이동시킵니다 CMD를 실행시키고 아래와 같은 명령어를 입력하여 ffmpeg가 영상으로부터 프레임(이미지)을 추출할 수 있도록 합니다: cd /d “C:\faceswap\DataB\idol1” && ffmpeg -i 파일이름.mp4 -vf fps=2 clip%05d.png 파일이름.mp4는 영상 파일 이름에 맞게 수정합니다. fps는 영상에서 추출되는 속도를 의미하며 작을 수록 더 느리게(더 적은량의 이미지)를 뽑습니다. 저는 개인적으로 fps=2을 사용합니다. 영상이 너무 짧으면 더 큰 숫자를 사용해도 되나.. 너무 과대한 숫자는 삼가시기 바랍니다.
영상에서 추출을 끝내고 결과물을 확인하여 너무 흐리거나/이상하거나/비슷한 장면들은 지우시는 걸 추천드립니다. 이들은 있어도 학습만 지연시킬 뿐 아무런 의미가 없습니다. 모든 이미지/프레임들이 idol1 폴더에 위치해 있다면 이들에서 얼굴을 추출하기 위해 아래와 같은 명령어를 입력합니다: cd /d c:\faceswap && python faceswap.py extract -i DataB\idol1 -o DataB\idol1\extracted -D mtcnn -r 45 -ae 이 과정이 끝나셨으면 다음과 같은 (C:\faceswap\DataB\idol1\extracted) 경로에 결과가 있을 것입니다.
또 한번 흐리거나/이상하거나/비슷한 얼굴들을 지우시는 걸 추천드립니다.
얼굴셋을 준비하기 위한 과정입니다. 얼굴셋이란? 256×256 이미지 크기의 아이돌 얼굴 모음집 몇개의 이미지가 한 셋에 포함되어야 할까? 효과적이고 빠른 학습을 위해서는 300~1000개 사이가 좋습니다 이미지의 품질은 어때야 될까? 얼굴이 명확해 보이는 빛 밝기, 흐림이 없고, 다른 물체(머리카락,병,마이크 등)가 얼굴을 가리지 않은 이미지가 좋습니다. 그리고 최대한 다양한 각도(위,아래,옆)와 표정이 있는 얼굴이 있는 것이 좋습니다. 특히 고개를 위로 들거나 아래로 숙인 얼굴은 찾기 어려우므로 고생하실 수도 있습니다 그래서 얼굴셋을 만드는 방법은? 가장 쉬운 방법은 다른 유저들이 만든 얼굴셋을 사용하는 겁니다. 다운받은 얼굴들을 (C:\faceswap\DataB\idol1\extracted)와 같은 경로로 복붙합니다.또는! 본인이 직접 만드시고 싶다면 faceswap을 이용하여 얼굴을 추출하여야 합니다. 목표 아이돌의 이미지를 구글 검색, pinterest 등에서 얻어서 C:\faceswap\DataB\idol1로 복붙합니다 가장 좋은 방법은 영상에서 얼굴을 얻는 것이며 이를 인터뷰, 직캠, 뮤비 등에서 얻을 수 있습니다. 영상들을 모두 C:\faceswap\DataB\idol1로 이동시킵니다 CMD를 실행시키고 아래와 같은 명령어를 입력하여 ffmpeg가 영상으로부터 프레임(이미지)을 추출할 수 있도록 합니다: cd /d “C:\faceswap\DataB\idol1” && ffmpeg -i 파일이름.mp4 -vf fps=2 clip%05d.png 파일이름.mp4는 영상 파일 이름에 맞게 수정합니다. fps는 영상에서 추출되는 속도를 의미하며 작을 수록 더 느리게(더 적은량의 이미지)를 뽑습니다. 저는 개인적으로 fps=2을 사용합니다. 영상이 너무 짧으면 더 큰 숫자를 사용해도 되나.. 너무 과대한 숫자는 삼가시기 바랍니다.
영상에서 추출을 끝내고 결과물을 확인하여 너무 흐리거나/이상하거나/비슷한 장면들은 지우시는 걸 추천드립니다. 이들은 있어도 학습만 지연시킬 뿐 아무런 의미가 없습니다. 모든 이미지/프레임들이 idol1 폴더에 위치해 있다면 이들에서 얼굴을 추출하기 위해 아래와 같은 명령어를 입력합니다: cd /d c:\faceswap && python faceswap.py extract -i DataB\idol1 -o DataB\idol1\extracted -D mtcnn -r 45 -ae 이 과정이 끝나셨으면 다음과 같은 (C:\faceswap\DataB\idol1\extracted) 경로에 결과가 있을 것입니다.
또 한번 흐리거나/이상하거나/비슷한 얼굴들을 지우시는 걸 추천드립니다.
4. 파이썬: 추출 – (DataA) 모델 얼굴셋 만들기
Expand 딥페이크를 만들기 위해서는 아이돌의 얼굴셋 뿐만 아니라 아이돌의 얼굴로 변환시킬 모델의 얼굴도 필요합니다. 이는 아이돌의 얼굴셋 만드는 경우와 같습니다. 모델 영상에서 얼굴 추출: 영상을 (C:\faceswap\DataA\actress1) 의 경로에 위치시킵니다. cmd를 실행하고 아래의 명령어를 입력합니다: cd /d C:\faceswap\DataA\actress1 && ffmpeg -i “파일이름.mp4” -vf fps=[Source FPS] clip%05d.png && cd /d C:\faceswap && python faceswap.py extract -i C:\faceswap\DataA\actress1 -o C:\faceswap\DataA\actress1\extracted -D mtcnn -r 45 -ae 파일이름.mp4은 영상 파일 이름에 맞게 수정하시고 [Source FPS]는 영상의 fps에 맞게 입력합니다. 이 명령어는 &&로 구분된 여러개의 명령어를 동시에 실행시키는 것입니다. 먼저 ffmpeg를 이용하여 영상으로 부터 프레임을 뽑고 -> 파이썬을 이용하여 출력된 프레임으로 부터 얼굴을 추출합니다.
(C:\faceswap\DataA\actress1\extracted) 경로의 폴더에 결과물이 추출될 것입니다.
추출된 결과물들을 확인하여 정말 얼굴들만 추출됐는지 확인하고 얼굴이 아닌 것이 발견될 경우 이를 지웁니다. 지우지 않으면 나중에 얼굴이 아닌 것을 얼굴로 변환시켜려는 만행을 저지르게 됩니다. 딥페이크를 만들기 위해서는 아이돌의 얼굴셋 뿐만 아니라 아이돌의 얼굴로 변환시킬 모델의 얼굴도 필요합니다. 이는 아이돌의 얼굴셋 만드는 경우와 같습니다. 모델 영상에서 얼굴 추출: 영상을 (C:\faceswap\DataA\actress1) 의 경로에 위치시킵니다. cmd를 실행하고 아래의 명령어를 입력합니다: cd /d C:\faceswap\DataA\actress1 && ffmpeg -i “파일이름.mp4” -vf fps=[Source FPS] clip%05d.png && cd /d C:\faceswap && python faceswap.py extract -i C:\faceswap\DataA\actress1 -o C:\faceswap\DataA\actress1\extracted -D mtcnn -r 45 -ae 파일이름.mp4은 영상 파일 이름에 맞게 수정하시고 [Source FPS]는 영상의 fps에 맞게 입력합니다. 이 명령어는 &&로 구분된 여러개의 명령어를 동시에 실행시키는 것입니다. 먼저 ffmpeg를 이용하여 영상으로 부터 프레임을 뽑고 -> 파이썬을 이용하여 출력된 프레임으로 부터 얼굴을 추출합니다.
(C:\faceswap\DataA\actress1\extracted) 경로의 폴더에 결과물이 추출될 것입니다.
추출된 결과물들을 확인하여 정말 얼굴들만 추출됐는지 확인하고 얼굴이 아닌 것이 발견될 경우 이를 지웁니다. 지우지 않으면 나중에 얼굴이 아닌 것을 얼굴로 변환시켜려는 만행을 저지르게 됩니다.
5. 파이썬: 학습
Expand DataA와 DataB 폴더가 준비되었으므로 이제부터 학습을 시작할 수 있습니다!
먼저 cmd를 실행시킨 다음 아래와 같은 명령어를 입력합니다: cd /d c:\faceswap && python faceswap.py train -A DataA\actress1\extracted -B DataB\idol1\extracted -m model\model1 -pl -p -t OriginalHighRes 특수/그외 케이스: GPU(그래픽카드)가 낮은 VRAM(메모리)를 갖고 있다면 학습 과정 중에 에러가 생길 수 있습니다. 에러가 만약 OOM (메모리 부족) 에러라면 배치 사이즈를 줄여서 실행해봅니다. 기본 배치 사이즈는 64이며, 바꾸고 싶을 경우 다음과 같은 명령어를 추가합니다: -bs 32
두 개의 GPU가 있으시다면, 아래와 같은 명령어를 입력함으로써 동시에 사용할 수 있습니다: cd /d c:\faceswap && python faceswap.py train -A DataA\actress1\extracted -B DataB\idol1\extracted -m model\model1 -pl -p -t OriginalHighRes -g 2 학습 실행에 성공하셨다면, cmd 창에는 A와 B의 loss(명확도)와 예상 학습 결과가 나타날 것입니다: 학습 중에는 PC를 가만히 놔두는 것이 좋습니다. 안그래도 많은 CPU와 GPU 사용량을 요구하는데 거기에 덤으로 다른 작업까지 하시면 에러가 발생할 확률이 높아집니다. 좋은 loss는 0.02~0.01 사이입니다. (저는 보통 0.019만 되면 멈춥니다) 원하시는 목표치에 도달하셨거나 중간에 멈추고 싶으시면 “training”이라는 제목을 가진 “예상 학습 결과 창”을 클릭한 상태에서 엔터를 누르면 됩니다. 그러면 학습 결과가 model의 형태로 저장이 되며, 이는 model이라고 지어준 폴더에 저장됩니다: DataA와 DataB 폴더가 준비되었으므로 이제부터 학습을 시작할 수 있습니다!
먼저 cmd를 실행시킨 다음 아래와 같은 명령어를 입력합니다: cd /d c:\faceswap && python faceswap.py train -A DataA\actress1\extracted -B DataB\idol1\extracted -m model\model1 -pl -p -t OriginalHighRes 특수/그외 케이스: GPU(그래픽카드)가 낮은 VRAM(메모리)를 갖고 있다면 학습 과정 중에 에러가 생길 수 있습니다. 에러가 만약 OOM (메모리 부족) 에러라면 배치 사이즈를 줄여서 실행해봅니다. 기본 배치 사이즈는 64이며, 바꾸고 싶을 경우 다음과 같은 명령어를 추가합니다: -bs 32
두 개의 GPU가 있으시다면, 아래와 같은 명령어를 입력함으로써 동시에 사용할 수 있습니다: cd /d c:\faceswap && python faceswap.py train -A DataA\actress1\extracted -B DataB\idol1\extracted -m model\model1 -pl -p -t OriginalHighRes -g 2 학습 실행에 성공하셨다면, cmd 창에는 A와 B의 loss(명확도)와 예상 학습 결과가 나타날 것입니다: 학습 중에는 PC를 가만히 놔두는 것이 좋습니다. 안그래도 많은 CPU와 GPU 사용량을 요구하는데 거기에 덤으로 다른 작업까지 하시면 에러가 발생할 확률이 높아집니다. 좋은 loss는 0.02~0.01 사이입니다. (저는 보통 0.019만 되면 멈춥니다) 원하시는 목표치에 도달하셨거나 중간에 멈추고 싶으시면 “training”이라는 제목을 가진 “예상 학습 결과 창”을 클릭한 상태에서 엔터를 누르면 됩니다. 그러면 학습 결과가 model의 형태로 저장이 되며, 이는 model이라고 지어준 폴더에 저장됩니다:
6. 파이썬: 변환
Expand The lazy method: in CMD, type in: cd /d c:\faceswap && python faceswap.py convert -i DataA\actress1 -o DataA\idol1 -a DataA\actress1\extracted -m model\model1 -t OriginalHiRes -D mtcnn -c Adjust -sm CMD를 켜시고 다음과 같은 명령어를 입력합니다. cd /d c:\faceswap && python faceswap.py convert -i DataA\actress1 -o DataA\idol1 -a DataA\actress1\extracted -m model\model1 -t OriginalHighRes -D mtcnn -b 10 -e 10 이는 변환의 가장 기본적인 명령어입니다.
여기에 옵션을 더 추가하시고 싶으시면 위치에 상관없이 옵션을 입력한 후 한번에 실행하시면 됩니다. (옵션을 따로따로 입력하시면 안됩니다)
추가할 수 있는 옵션은 다음과 같습니다: -S 경계선을 보이지 않게 하기 위해서는 가장 좋은 방법이나 일그러지는 현상이 자주 발생하여 추천드리지 않습니다 -b [양수] 얼굴을 덮는 범위를 흐리게 합니다 (경계선 쪽이 가장 많은 영향을 받으며, 안쪽으로 들어올수록 약해집니다) -e [양수 또는 음수] 얼굴을 덮는 범위를 줄입니다 -mh 색을 맞추는 기능을 갖고 있습니다. 그러나 가끔씩 어느 부분만 유독 밝게 빛나게 할 수 있습니다 -sh [bsharpen] or –sh [gsharpen] 날카롭게 (명확하게) 합니다. Bsharpen 은 너무 강해서 왠만해선 추천드리지 않습니다 제가 가장 자주 사용하는 명령어는 다음과 같습니다: cd /d c:\faceswap && python faceswap.py convert -i DataA\actress1 -o DataA\idol1 -a DataA\actress1\extracted -m model\model1 -t OriginalHighRes -D mtcnn -b 10 -e 10 -sh gsharpen 여기서 부터 저는 두 숫자를 5단위로 증가/감소 시키며 실험합니다. 색이 너무 안 맞을 경우 -mh를 추가합니다.
하지만 이 코드가 가장 이상적인 코드는 아님을 명심해야 합니다. 이는 제가 주관적 판단으로 정한 코드이며, 여러분들은 계속적인 실험을 통하여 영상/모델에 맞게 코들 바꿔나가시기 바랍니다.
변환이 끝나셨다면 지정하신 출력 폴더(이 경우 idol1 폴더)에 결과가 있을 것입니다. 결과에 만족하지 못하셨다면 명령어를 수정하여 다시 실행하시기 바랍니다. 출력된 프레임(결과물)들을 합치기 위해서는 cmd를 켜시고 다음과 같이 입력합니다: cd /d C:\faceswap\DataA\idol1 이는 프레임이 있는 폴더로 이동시키기 위한 명령어입니다. 이제 다음과 같이 입력합니다: ffmpeg -r fps -f image2 -s 이미지크기 -i clip%05d.png -vcodec libx264 -crf 18 -pix_fmt yuv420p out.mp4 fps는 원래 영상의 fps를 의미하며 이는 본인이 확인한 후 수정하여 입력하시면 됩니다. 예) -r 30
이미지 크기는 띄어쓰기 없이 “1280×720″으로 쓰시면 됩니다. 예) -s 1280×720 The lazy method: in CMD, type in: cd /d c:\faceswap && python faceswap.py convert -i DataA\actress1 -o DataA\idol1 -a DataA\actress1\extracted -m model\model1 -t OriginalHiRes -D mtcnn -c Adjust -sm CMD를 켜시고 다음과 같은 명령어를 입력합니다. cd /d c:\faceswap && python faceswap.py convert -i DataA\actress1 -o DataA\idol1 -a DataA\actress1\extracted -m model\model1 -t OriginalHighRes -D mtcnn -b 10 -e 10 이는 변환의 가장 기본적인 명령어입니다.
여기에 옵션을 더 추가하시고 싶으시면 위치에 상관없이 옵션을 입력한 후 한번에 실행하시면 됩니다. (옵션을 따로따로 입력하시면 안됩니다)
추가할 수 있는 옵션은 다음과 같습니다: -S 경계선을 보이지 않게 하기 위해서는 가장 좋은 방법이나 일그러지는 현상이 자주 발생하여 추천드리지 않습니다 -b [양수] 얼굴을 덮는 범위를 흐리게 합니다 (경계선 쪽이 가장 많은 영향을 받으며, 안쪽으로 들어올수록 약해집니다) -e [양수 또는 음수] 얼굴을 덮는 범위를 줄입니다 -mh 색을 맞추는 기능을 갖고 있습니다. 그러나 가끔씩 어느 부분만 유독 밝게 빛나게 할 수 있습니다 -sh [bsharpen] or –sh [gsharpen] 날카롭게 (명확하게) 합니다. Bsharpen 은 너무 강해서 왠만해선 추천드리지 않습니다 제가 가장 자주 사용하는 명령어는 다음과 같습니다: cd /d c:\faceswap && python faceswap.py convert -i DataA\actress1 -o DataA\idol1 -a DataA\actress1\extracted -m model\model1 -t OriginalHighRes -D mtcnn -b 10 -e 10 -sh gsharpen 여기서 부터 저는 두 숫자를 5단위로 증가/감소 시키며 실험합니다. 색이 너무 안 맞을 경우 -mh를 추가합니다.
하지만 이 코드가 가장 이상적인 코드는 아님을 명심해야 합니다. 이는 제가 주관적 판단으로 정한 코드이며, 여러분들은 계속적인 실험을 통하여 영상/모델에 맞게 코들 바꿔나가시기 바랍니다.
변환이 끝나셨다면 지정하신 출력 폴더(이 경우 idol1 폴더)에 결과가 있을 것입니다. 결과에 만족하지 못하셨다면 명령어를 수정하여 다시 실행하시기 바랍니다. 출력된 프레임(결과물)들을 합치기 위해서는 cmd를 켜시고 다음과 같이 입력합니다: cd /d C:\faceswap\DataA\idol1 이는 프레임이 있는 폴더로 이동시키기 위한 명령어입니다. 이제 다음과 같이 입력합니다: ffmpeg -r fps -f image2 -s 이미지크기 -i clip%05d.png -vcodec libx264 -crf 18 -pix_fmt yuv420p out.mp4 fps는 원래 영상의 fps를 의미하며 이는 본인이 확인한 후 수정하여 입력하시면 됩니다. 예) -r 30
이미지 크기는 띄어쓰기 없이 “1280×720″으로 쓰시면 됩니다. 예) -s 1280×720
Congratulations!
You’ve just created your first Deepfake.
If you want to start becoming a creator on our site, please send your finished videos to an admin on our Discord server for assessment.
Please include our unique Intro at the beginning and the Logo inside of the video as well!
Disclaimer: You are in full responsibility of the content you create. We at DFKP offer this tutorial for educational purposes, do this on your own risk.We’re not responsible for any kind of damages to your system or malicious content that you create.
Questions? Comments?
Go over to our forums if you have any questions or comments
구글, 코렙(Colab)에서 딥페이크 생성 AI 금지
구글 코렙에서 딥페이스랩용 딥페이크 코드를 실행을 금지하는 새로운 경고 메시지를 확인할 수 있다.(사진=구글)
구글이 코렙(Colab, Colaboratory) 플랫폼에서 딥페이크를 생성하는 데 사용할 수 있는 AI 시스템의 학습을 금지했다. 구글은 코렙 사용자를 위한 서비스 약관을 변경해 이 서비스를 더 이상 딥페이크 훈련에 사용할 수 없다는 조항을 추가했다.
코렙은 누구나 웹 브라우저를 통해 임의의 파이썬(Python) 코드, 특히 기계 학습 및 데이터 분석을 위한 코드를 작성하고 실행하는 동시에 모든 사용자에게 GPU 및 구글의 AI 가속 텐서 처리 장치(TPU)를 포함한 하드웨어에 대한 무료 액세스를 제공하는 온라인 컴퓨팅 리소스다.
최근 몇 년 동안 코렙은 AI 연구 커뮤니티 내에서 데모를 위한 사실상의 플랫폼이 되었다. 코드를 호스팅하는 깃허브(GitHub) 리포지토리(저장소)와 함께 코렙 페이지에 대한 링크를 포함하는 코드를 작성하는 것은 이제 드문 일이 아니다.
오픈 소스 딥페이크 생성기 딥페이스랩(DeepFaceLab) 사용자는 코렙에서 딥페이스랩을 실행하려고 시도하면 ‘허용되지 않는 코드를 실행하고 있을 수 있으며 이로 인해 향후 코렙을 사용하는 데 제한이 있을 수 있다. FAQ에 명시된 금지된 행동에 유의하라’와 같은 경고 메시지를 수신하게 된다.
그러나 다른 딥페이크 배포판인 페이스스왑(FaceSwap) 사용자는 현재 경고 없이 코드를 문제없이 실행할 수 있다고 한다. 이는 시행이 키워드가 아니라 블랙리스트에 기반하며 새 규칙에 위배되는 코드를 보고할 책임은 코렙 커뮤니티에 있음을 나타낸다.
기술매체 테크크런치(TechCrunch)에 따르면 구글은 자사의 AI 원칙에 위배되는 코렙의 남용 경로를 정기적으로 모니터링하는 동시에 사용자가 TPU 및 GPU와 같은 리소스에 액세스할 수 있도록 노력한다.
한편 변경된 약관에는 서비스 거부 공격(DoS) 실행, 암호화폐 채굴, 비밀번호 크래킹 및 토렌트 다운로드와 같은 이전 제한사항은 변경없이 유지된다.
구글은 코렙 사용자를 위한 서비스 약관을 변경해 코렙 서비스를 더 이상 딥페이크 훈련에 사용할 수 없다는 조항을 추가했다.(사진=구글)
딥페이크는 자동 인코더 또는 생성적 적대 네트워크(GAN)와 같은 생성 신경망 아키텍처를 사용해 시각 및 오디오 콘텐츠를 조작하거나 생성한다. 딥페이크는 다양한 형태가 있지만 가장 일반적인 것 중 하나는 사람의 얼굴을 다른 얼굴 위에 확실하게 붙여넣은 동영상이다. 과거의 조잡한 포토샵 작업과 달리 AI가 생성한 딥페이크는 경우에 따라 할리우드에서 제작한 CGI보다 사람의 신체 움직임, 미세 표정 및 피부 색조와 더 잘 일치할 수 있다.
딥페이크는 무해할 수 있으며 심지어 재미있을 수도 있다. 그러나 해커가 갈취 및 사기 수법으로 소셜 미디어 사용자를 표적으로 삼는 데 점점 더 많이 사용되고 있다. 또 정치적 선전에 활용되기도 한다. 예를 들어 블라디미르 젤렌스키 우크라이나 대통령이 실제로는 하지 않은 우크라이나 전쟁 관련 연설이 담긴 가짜 비디오가 나오기도 했다.
볼로디미르 젤렌스키 우크라이나 대통령이 연설하는 것처럼 만들어진 가짜 비디오(사진=트위터)
온라인 딥페이크의 수는 2019년부터 2021년까지 약 14,000개에서 145,000개로 증가했다. 포레스터 리서치(Forrester Research)는 2019년 10월에 딥페이크 사기로 인한 비용이 2020년 말까지 2억 5천만 달러에 이르는 것으로 추정했다.
독일 자를란트(Saarland) 대학의 컴퓨터 언어학자인 바그란트 가우탐(Vagrant Gautam)은 “불행히도 우리는 기계 학습 및 AI와 관련하여 업계 전반에 걸쳐 일관된 윤리적 관행을 갖고 있지 않지만 구글이 딥페이크에 대한 액세스 및 생성 능력을 규제하는 일련의 자체 규칙을 제시하는 것이 합리적이다”라고 말했다.
시애틀 대학의 겸임 교수인 오스 키예스(Os Keyes)는 구글이 코렙의 딥페이크 프로젝트를 금지하려는 움직임을 환영하면서도 생성과 확산을 방지하기 위해 정책적인 측면에서 더 많은 조치가 취해져야 한다고 지적하기도 했다.
그러나 코렙에 대해 자유방임적인 접근 방식으로 혜택을 본 사람들은 이에 동의하지 않을 수 있다. 또한 그러한 프로젝트를 금지한다고 해서 누군가가 프로젝트를 개발하는 것을 막을 수는 없으며 가장 필요한 시기에 딥페이크에 대응하기 위한 도구를 구축하려는 노력을 방해할 수도 있다.
몇 년 전 AI 연구실인 오픈AI(OpenAI)는 처음에 언어 생성 모델인 GPT-2가 오용될 것을 우려해 오픈소스화를 거부했다. 이는 일루서AI(EleutherAI)와 같은 그룹이 코렙을 포함한 도구를 활용해 자체 언어 생성 모델을 개발하고 출시하도록 동기를 부여했다. 일루서AI의 회원인 코너 리히(Conner Leahy)는 “AI 모델과 도구는 ‘자원이 부족한’ 사용자, 특히 학계가 더 나은 연구 수행할 수 있도록 널리 사용 가능해야 한다”고 강조했다.
구글은 “딥페이크는 구글의 AI 원칙에 위배될 가능성이 크다. 우리는 악성 딥페이크 패턴과 양성 패턴을 탐지하고 저지할 수 있기를 열망하며 우리의 방법이 발전함에 따라 정책을 변경할 것이다”라고 설명했다.
AI타임스 박찬 위원 [email protected]
[관련기사]“다 걸렸어”…99% 딥페이크 탐지하는 AI 기술 [관련기사]AI가속 칩으로 딥페이크 식별도 가능…이전보다 6배 빨라
So you have finished reading the 파이썬 딥 페이크 topic article, if you find this article useful, please share it. Thank you very much. See more: 딥페이크 처벌, Face Swap 사용법, 딥페이크 github, 딥페이크 만들기 사이트, 딥페이크 시청 처벌, Deep Swap 사용법, Faceswap, 딥페이크 차이유