人工智能技术开始广泛应用于图像编辑和美化领域，人像美肤无疑是应用最广、需求最大的技术之一。传统美颜算法利用基于滤波的图像编辑技术，实现了自动化的磨皮去瑕疵效果，在社交、直播等场景取得了广泛的应用。

因此，我们以实现专业级的智能美肤为出发点，研发了一套高清图像的超精细局部修图算法 ABPN，在超清图像中的美肤与服饰去皱任务中都实现了很好的效果与应用。

论文链接：点击这里

模型 & 代码：https://www.modelscope.cn/models/damo/cv_unet_skin-retouching/summary



Github：https://github.com/youngLBW/CRHD-3K

为实现精细化的人像美肤，我们整体采用了先定位、后编辑的二阶段处理方法，且针对美肤任务中的不同瑕疵类型设计了不同的网络结构。

  • 匀肤：对于匀肤这类需要处理大面积区域的任务，我们借鉴数字图像处理领域中的混合图层(blend layer)概念，基于unet设计了一个混合图层预测网络以实现目标区域的编辑。
  • 去瑕疵：对于脂肪粒、痣这类局部区域的瑕疵，我们首先利用unet对于目标区域进行分割定位，而后使用inpainting网络对目标区域进行修复。
  • 美白：我们利用皮肤分割算法结合混合图层的处理方式，实现皮肤区域的美白。

将匀肤模型中的blend layer概念进行拓展，提出基于自适应混合图层的局部修饰网络（如下图） ，实现了端到端的局部修饰（美肤、服饰去皱等），但考虑到输入图像的分辨率、人像占比以及不同瑕疵的分布差异等问题，这里采用了多模型的方法以实现更精准、更鲁棒的美肤效果。

 

内容图像


本模型基于pytorch（匀肤、去瑕疵）、tensorflow（皮肤分割）进行训练和推理，在ModelScope框架上，提供输入图片，即可以通过简单的Pipeline调用来使用人像美肤模型。更多内容请参考
这里

内容中包含的图片若涉及版权问题，请及时与我们联系删除