利用Python+AI使静态图片动起来代码示例

本篇文章小编给大家分享一下利用Python+AI使静态图片动起来代码示例，文中代码介绍的很详细，小编觉得挺不错的，现在分享给大家供大家参考，有需要的小伙伴们可以来看看。

前言：

这种技术一般是基于的GAN（生成对抗网络）来实现，今天给大家分享一个开源项目，能够复现静态图片动起来效果，可以做些有趣的项目，也可以怀念故人。

大家在刷短视频的时候有没有刷到这样的视频，视频里一张静态的人物图片能动起来，如：歪歪头、眨眨眼。

类似于下面这种效果：

最左侧的人物是原始的动作，上面是静态图片。通过AI技术便可以让最左侧人物的动作运用到上面的静态图片上，从而让张图都可以做出相同的动作。

这种技术一般是基于的GAN（生成对抗网络）来实现，今天我给大家分享一个开源项目，能够复现上面的效果，可以做些有趣的项目，也可以怀念故人。

1. 运行项目

项目地址：https://github.com/AliaksandrSiarohin/first-order-model

首先，git clone将项目下载到本地，进入项目安装依赖。

git clone https://github.com/AliaksandrSiarohin/first-order-model.git
cd first-order-model
pip install -r requirements.txt

然后，在项目首页Pre-trained checkpoint标题下，找到模型下载链接，下载模型文件，模型有很多，用的是vox-adv-cpk.pth.tar。

准备好模型文件后，在项目根目录下执行下面命令即可。

python demo.py  
  --config config/vox-adv-256.yaml 
  --driving_video src_video.mp4 
  --source_image src_img.jpg 
  --checkpoint weights/vox-adv-cpk.pth.tar

解释下参数：

--config：模型配置文件，在源文件中有

--driving_video：提供动作的视频

--source_image：需要加动效的静态图片

--checkpoint：刚刚下载的模型文件

运行完成后，会看到如下输入。

该项目使用PyTorch搭建神经网络，支持GPU和CPU运行，所以如果你的电脑只有CPU，运行会比较慢。

是在CPU下运行的，从上图可以看到，driving_video只有 31 帧。如果你也是CPU运行，最好控制driving_video视频的时长，不然运行时长会比较长。

有了该项目，可以自己做些比较有意思的尝试。

2. Python API

上面教大家按照官网在命令行运行该项目。

有些朋友可能想在Python项目中调用，所以我在demo.py中抽取了核心代码，封装了一个PyhtonAPI。

有需要的朋友可以下载这个文件，放到与first-order-model同一级的目录下，按照下面代码调用即可。

fom = FOM()
# 查看驱动视频，驱动视频最好裁剪为480 x 640 大小的视频
driving_video = ''
# 被驱动的画面
source_image = ''
# 输出视频
result_video = ''
# 驱动画面
fom.img_to_video(driving_video, source_image, result_video)