欢迎购买学习《基于Colab快速Deepfake和Python图片视频摄像AI换脸应用开发视频教程》课程，我们将学习使用 Python+OpenCV以及基于Google Colab 中的“一阶运动模型”论文的Deepfake图形动画 来开发人脸交换应用。
在继续之前，我们将介绍深度伪造Deepfake技术、其应用、优缺点。然后我们必须准备好安装所有依赖项的计算机。我们将安装 Anaconda，这是我们 Python 编程的平台和 IDE。后来，对于那些想要学习 python 编程语言基础知识的人来说，很少有可选的课程。
MP4 | 视频：h264, 1280×720 | 音频：AAC，44.1 KHz，2 Ch
类型：eLearning | 语言：英语 | 时长：27 节课（4 小时 4 分钟）| 大小：2.54 GB
你会学到什么
基于 Python 的自定义面部交换应用程序，带有图像、视频和摄像头。基于一阶运动模型图像动画论文的Deepfake视频
要求
一台配置不错的计算机（最好是 Windows）和对 Deepfake 技术研究的热情
描述
你知道，有句老话说“眼见为实”。但在“Deepfake”的世界里，我们看到的并不总是真实的。让我们借助示例视频来定义深度伪造。就这个。
我只用了这些人的一张邮票大小的照片来制作这些视频。是的，你没听错。只需一张人脸图像和几分钟的时间使用普通计算机，您就可以创建任何人的深度伪造。你甚至可以让死去的人为你说话甚至唱歌。
是的！准备好大吃一惊。在我们继续之前，让我解释一下本课程中包含的内容列表。本课程正好分为两部分。
上半年，我们将创建一个基本的基于 python 的换脸应用程序。在继续之前，我们将介绍深度伪造技术、其应用、优缺点。然后我们必须准备好安装所有依赖项的计算机。我们将安装 Anaconda，这是我们 Python 编程的平台和 IDE。后来，对于那些想要学习 python 编程语言基础知识的人来说，很少有可选的课程。
稍后我们将安装构建我们的自定义 python 面部交换应用程序所需的其余依赖项。之后我们将一行一行的编写python代码，完成300多行的整个程序。或者，您也可以从本课程最后一节中提供的 google drive 链接下载完整代码。首先，我们将使用两个静态图像进行面部交换。一个作为源图像，另一个作为目标图像。稍后我们将尝试从我们计算机的网络摄像头获取实时视频。然后我们将对其进行修改以使其与保存在我们计算机中的预先保存的视频一起使用。
从示例中可以看出，这只是一个基本的换脸程序，并不完美。我们这样做只是为了了解事情在幕后是如何运作的。
稍后，我们将根据 Aliaksandr Siarohin、Stéphane Lathuilière、Sergey Tulyakov、Elisa Ricci 和 Nicu Sebe 提交给康奈尔大学的名为“图像动画的一阶运动模型”的论文继续实施 deepfake
由于训练 deepfake 涉及昂贵的 GPU，我们有一个替代计划来使用谷歌 Colab 的免费 GPU。我们将通过创建文件夹和上传示例驾驶视频来准备我们的谷歌驱动器，基于该视频需要对目标图像以及目标图像或源图像进行动画处理。
此外，我们将下载一份演示 google colab notebook 并连接到 google drive。然后我们将从谷歌驱动器克隆一阶运动模型存储库。
稍后我们还将继续克隆人脸对齐存储库。我们将在我们的 google colab 中安装和设置它。然后我们将文件移动到相应的文件夹中，并开始使用内置的 python 程序裁剪驾驶视频。
之后，我们会将已经训练好的模型的冻结推理图下载到我们的谷歌驱动器。现在一切准备就绪，可以根据驾驶视频对源图像进行动画处理。完成后，我们将下载动画视频。我们也将对少数其他源图像执行相同的操作。
动画视频将没有音频。所以我们必须使用任何在线提供的免费或开源视频编辑工具来混合音频。我们将在下一次会议中这样做，最后我们将拥有所有包含音频的 deepfake 动画视频。
作为最后一节，我们还将讨论如何节省 google 提供的有限的免费 GPU 时间，以及超出 GPU 时间时的解决方法。
在我结束之前还有一句话。请非常负责任地使用本教程中提到的内容和技术。它仅用于学习和研究目的。我作为讲师或我主持本课程的平台不对任何非法或不负责任地使用此技术负责。
这就是本快速课程中当前包含的所有主题。本课程中使用的代码、图像和权重已上传并共享在一个文件夹中。我将在最后一节课或本课程的资源部分包含下载它们的链接。您可以在项目中自由使用代码，无需提出任何问题。
此外，完成本课程后，您将获得课程结业证书，这将为您的作品增值。
参考书目和参考论文
NIPS Proceedings – First Order Motion Model for Image Animation – Aliaksandr Siarohin, Stéphane Lathuilière, Sergey Tulyakov, Elisa Ricci, Nicu Sebe
Cornell University – Computer Vision and Pattern Recognition – First Order Motion Model for Image Animation
Github – AliaksandrSiarohin – first-order-model
Github Pages – First Order Motion Model for Image Animation
Learn OpenCV – Delaunay Triangulation and Voronoi Diagram using OpenCV
Learn OpenCV – Face Swap using OpenCV – Satya Mallick
pysource – Face swapping – Sergio Canu
本课程适用于谁
初学者或想从基于 Python 的 Face Swap 和 Deepfake 技术入手的人
