FaceChain是一个可以用来打造个人数字形象的深度学习模型工具。用户仅需要提供最低三张照片即可获得独属于自己的个人形象数字替身。本文介绍如何创建并使用服务实例。
前言
都3202年了，再不拥有一套属于自己的个人数字形象就真的赶不上时代了，如果您还不知道如何生成自己的个人数字形象，请让我来为您介绍：FaceChain——妙鸭相机的开源平替，可以用来打造个人数字形象的深度学习模型工具，仅需三张照片（划重点，仅需三张！）即可生成属于您自己独有的个人数字形象替身，赶紧来计算巢体验吧！
09-19更新内容
新版本支持指定风格定制
支持prompt和Negative Prompt优化
支持姿态控制
支持多人合照
当前支持的风格如下：
冬季汉服（Chinese winter hanfu） | 仙女风（Fairy style） |
校服风（School uniform） | 古风（traditional chinese style） |
婚纱风（Wedding dress） | 壮族服装风（Zhuang style） |
夜景港风（Hong Kong night style） | 欧式田野风（European fields） |
雨夜（Rainy night） | 雪山羽绒服风（Jacket in Snow Mountain） |
模特风（Model style） | 工作服（Working suit） |
机车风（Motorcycle race style） | 盔甲风（Armor） |
婚纱风-2（Wedding dress 2） | T恤衫（T-shirt） |
拍立得风（Polaroid style） | 汉服风（Hanfu） |
赛博朋克（Cybernetics punk） | 女士晚礼服（Gown） |
凤冠霞帔（Chinese traditional gorgeous suit） | — |
服务创建
选择资源部署的地域和实例规格，填写实例密码。
重要如果遇到实例规格列表为空的情况，可能是当前地域的库存不足，请切换其他地域重试。
本示例中，地域选择新加坡，付费类型选择按量付费，架构选择异构计算 GPU / FPGA / NPU，分类选择GPU 计算型，实例规格选择
ecs.gn7i-c16g1.4xlarge（16 vCPU、60 GiB内存、1*NVIDIA A10）。填写软件登录名和密码。
警告一定要记住此处设置的密码，否则后面无法登录软件。
软件登录名默认为
admin。配置可用区和专有网络。
具体配置项包括交换机可用区（选择可用区）、专有网络IPv4网段（输入 VPC 的 IPv4 地址段）和交换机子网网段（必须属于 VPC 的子网段）。
单击下一步：确认订单跳转到确认页面，勾选我已阅读并同意《计算巢服务协议》，然后单击立即创建。
提交成功后单击去列表查看即可看到部署进度。
等待状态变为已部署后，单击详情跳转到服务实例详情页。服务实例的状态显示为部署中，进度为0%，等待部署完成即可。
单击Endpoint，输入刚刚设置的用户名和密码即可登录FaceChain界面开始创作啦。在服务实例详情页的概览页签中，找到实例信息区域的Endpoint字段，该字段值即为服务的公网访问地址。
形象定制
选择感兴趣的基础模型，不同的基础模型包含的风格类型不同。在模型选择配置面板的基模型选择区域，提供 leosamsMoonfilm_filmGrain20 和 MajicmixRealistic_v6 两个模型选项。选中基模型后，下方展示该基模型支持的风格列表，包括拍立得风、仙女风、古风、壮族服装风、欧式田野风和雪山羽绒服风。
步骤一：上传照片
输入当前人物名称，单击选择图片上传，为了保证质量，选择清晰的头肩照为宜。在人物lora名称(Character lora name)字段中输入人物LoRA名称，例如Li。在训练图片区域，单击选择图片上传按钮，选择并上传训练照片。
步骤二：开始训练
在上面图片全部加载出来后，单击“开始训练”，然后就耐心等待。单击开始训练按钮（需等待上传图片加载显示出来后再单击，否则会报错）。下方输出信号区域将显示训练进度。若出现 error 提示，训练可能已完成或仍在进行，可直接切换到形象体验页面进行验证，若体验时报错则训练尚未完成，需继续等待约10分钟。
直到输出信号出现“训练已经完成！”，这时候就可以愉快地进行下一步啦。训练完成后，页面提示训练已经完成，请切换至无限风格形象写真标签体验模型效果。
步骤三：形象定制
生成形象！
切换到“无限风格形象写真”tab，选择刚刚训练好的基础模型，找到你的人物LoRA。选择无限风格形象写真(Infinite Style Portrait)页签，在基模型选择(Base model list)区域选中MajicmixRealistic_v6，然后在人物LoRA列表(Character LoRAs)中选择已训练好的人物LoRA（例如li）。
接着单击选择你喜欢的风格类型。在风格(Style)面板中选择一种写真风格，可选风格包括冬季汉服、校服风、婚纱风、夜景港风、雨夜、模特风、机车风、婚纱风-2、拍立得风、仙女风共 10 种预设风格模板。
输入想要生成的图片数量，或者也可以在高级选项中进行各种高级操作～包括prompt优化，参数调整等。设置生成图片数量（最多支持6张），展开高级选项可进行更多配置，然后单击开始生成。
等待生成完毕后，即可获取自己的数字形象啦！
固定模板生成
切换到固定模板形象写真页面，可以根据指定模板生成您的数字写真，也可以在照片中添加多个人脸信息生成合照。选择顶部固定模板形象写真(Fixed Templates Portrait) Tab 进入固定模板生成功能。在模板选择区域上传或选择所需的模板图片，页面右侧可预览模板效果，下方展示可用模板缩略图。在底部基模型区域选择基础模型，可选 leosamsMoonfilm_filmGrain20 或 MajicmixRealistic_v6。
生成原理
AI生成个人写真的能力来源于Stable Diffusion模型的文生图功能，即输入一段文本或一系列提示词，输出对应的图像。而影响个人写真生成效果的因素主要有两方面：写真风格信息和用户人物信息。
训练阶段
训练阶段的输入是用户上传的包含清晰人脸区域的图像，输出是人脸LoRA模型。具体来说，首先使用基于朝向判断的图像旋转模型，以及基于人脸检测和关键点模型的人脸精细化旋转方法，来处理用户上传图像，得到包含正向人脸的图像；接下来使用人体解析模型和人像美肤模型，以获得高质量的人脸训练图像；随后，该项目使用人脸属性模型和文本标注模型，结合标签后处理方法，产生训练图像的精细化标签；最后使用上述图像和标签数据微调Stable Diffusion模型得到人脸LoRA模型。
推理阶段
推理阶段的输入是训练阶段用户上传图像和预设的用于生成个人写真的输入prompt，输出是个人写真图像。在推理阶段，该项目首先将人脸LoRA模型和风格LoRA模型的权重融合到Stable Diffusion模型中；接下来使用Stable Diffusion模型的文生图功能，基于预设的prompt初步生成个人写真图像；随后，该项目使用人脸融合模型进一步改善上述写真图像的人脸细节，其中用于融合的模板人脸通过人脸质量评估模型在训练图像中进行挑选；最后再使用人脸识别模型计算生成的写真图像与模板人脸的相似度，以此对写真图像进行排序，并输出排名靠前的个人写真图像作为最终输出结果。
总结
简单几步，即可在计算巢中生成一套属于自己的数字形象，如此简单、便捷的方案，快来计算巢一探究竟吧！
参考
FaceChain项目：https://github.com/modelscope/facechain