Skip to content

Latest commit

 

History

History
288 lines (210 loc) · 14.7 KB

readme_zh_cn.md

File metadata and controls

288 lines (210 loc) · 14.7 KB
Raw

LivePortrait: Efficient Portrait Animation with Stitching and Retargeting Control

郭建珠 1†  张丁芸 1,2  刘晓强 1  钟智舟 1,3  张渊 1  万鹏飞 1  张迪 1 
1 快手科技  2 中国科学技术大学  3 复旦大学 
† 通讯作者（Project Lead）


English | 简体中文

showcase
🔥 更多效果，请查看我们的 主页 🔥

🔥 更新日志

  • 2024/08/19：🖼️ 我们支持了图像驱动模式和区域控制。详情请见这里。
  • 2024/08/06：🎨 我们在Gradio界面支持精确的人像编辑, 受到ComfyUI-AdvancedLivePortrait启发。详见这里。
  • 2024/08/05：📦Windows用户现在可以下载一键安装程序，支持人类模式和动物模式！详情见这里。
  • 2024/08/02：😸 我们发布了动物模型版本，以及其他一些更新和改进。查看详情这里！
  • 2024/07/25：📦 Windows用户现在可以从 HuggingFace 或 百度云 下载软件包。解压并双击run_windows.bat即可享受！
  • 2024/07/24：🎨 我们在Gradio界面支持源人像的姿势编辑。我们还降低了默认检测阈值以增加召回率。玩得开心！
  • 2024/07/19：✨ 我们支持🎞️ 人像视频编辑（aka v2v）！更多信息见这里。
  • 2024/07/17：🍎 我们支持macOS搭载Apple Silicon，修改来自 jeethu 的PR #143 。
  • 2024/07/10：💪我们支持音频和视频拼接、驱动视频自动裁剪以及制作模板以保护隐私。更多信息见这里。
  • 2024/07/09：🤗 我们发布了HuggingFace Space，感谢HF团队和Gradio！
  • 2024/07/04：😊 我们发布了初始版本的推理代码和模型。持续更新，敬请关注！
  • 2024/07/04：🔥 我们发布了主页和在arXiv上的技术报告。

介绍 📖

此仓库名为LivePortrait，包含我们论文（LivePortrait: Efficient Portrait Animation with Stitching and Retargeting Control）的官方PyTorch实现。 我们正在积极更新和改进此仓库。如果您发现任何错误或有建议，欢迎提出问题或提交合并请求💖。

上手指南 🏁

1. 克隆代码和安装运行环境 🛠️

Note

确保您的系统已安装git、conda和FFmpeg。有关FFmpeg安装的详细信息，见如何安装FFmpeg。

git clone https://github.com/KwaiVGI/LivePortrait
cd LivePortrait

# 使用conda创建环境
conda create -n LivePortrait python=3.9
conda activate LivePortrait

对于Linux或Windows用户

X-Pose需要您的torch版本与CUDA版本兼容。

首先，通过以下命令检查您当前的CUDA版本：

nvcc -V # example versions: 11.1, 11.8, 12.1, etc.

然后，安装相应版本的torch。以下是不同CUDA版本的示例。如果您的CUDA版本未列出，请访问PyTorch官方网站获取安装命令：

# for CUDA 11.1
pip install torch==1.10.1+cu111 torchvision==0.11.2 torchaudio==0.10.1 -f https://download.pytorch.org/whl/cu111/torch_stable.html
# for CUDA 11.8
pip install torch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cu118
# for CUDA 12.1
pip install torch==2.3.0 torchvision==0.18.0 torchaudio==2.3.0 --index-url https://download.pytorch.org/whl/cu121
# ...

注意：在Windows系统上，一些过高版本的CUDA(12.4、12.6等)可能会导致未知的问题，您可以考虑降低您的CUDA版本到11.8，这是我们测试的一个较为稳定的版本。降级方法可以参考 @dimitribarbot 提供的文档.

最后，安装其余依赖项：

pip install -r requirements.txt

对于搭载Apple Silicon的macOS用户

X-Pose依赖项不支持macOS，因此您可以跳过其安装。人类模式照常工作，但不支持动物模式。使用为搭载Apple Silicon的macOS提供的requirements文件：

# 对于搭载Apple Silicon的macOS用户
pip install -r requirements_macOS.txt

2. 下载预训练权重(Pretrained weights) 📥

从HuggingFace下载预训练权重的最简单方法是：

# !pip install -U "huggingface_hub[cli]"
huggingface-cli download KwaiVGI/LivePortrait --local-dir pretrained_weights --exclude "*.git*" "README.md" "docs"

若您不能访问HuggingFace平台，你可以访问其镜像网站hf-mirror进行下载操作：

# !pip install -U "huggingface_hub[cli]"
export HF_ENDPOINT=https://hf-mirror.com
huggingface-cli download KwaiVGI/LivePortrait --local-dir pretrained_weights --exclude "*.git*" "README.md" "docs"

或者，您可以从Google Drive或百度云（进行中）下载所有预训练权重。解压并将它们放置在./pretrained_weights目录下。

确保目录结构如所示包含本仓库该路径其中展示的内容。

3. 推理 🚀

快速上手（人类模型）👤

# 对于Linux和Windows用户
python inference.py

# 对于搭载Apple Silicon的macOS用户（Intel未测试）。注意：这可能比RTX 4090慢20倍
PYTORCH_ENABLE_MPS_FALLBACK=1 python inference.py

如果脚本成功运行，您将得到一个名为animations/s6--d0_concat.mp4的输出mp4文件。此文件包含以下结果：驱动视频、输入图像或视频以及生成结果。

image

或者，您可以通过指定`-s`和`-d`参数来更改输入： 
# 源输入是图像
python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d0.mp4

# 源输入是视频 ✨
python inference.py -s assets/examples/source/s13.mp4 -d assets/examples/driving/d0.mp4

# 更多选项请见
python inference.py -h

快速上手（动物模型） 🐱🐶

动物模式仅在Linux和Windows上经过测试，并且需要NVIDIA GPU。

您需要首先构建一个名为MultiScaleDeformableAttention的OP，该OP由X-Pose使用，这是一个通用的关键点检测框架。

cd src/utils/dependencies/XPose/models/UniPose/ops
python setup.py build install
cd - # 等同于 cd ../../../../../../../

然后执行

python inference_animals.py -s assets/examples/source/s39.jpg -d assets/examples/driving/wink.pkl --driving_multiplier 1.75 --no_flag_stitching

如果脚本成功运行，您将得到一个名为animations/s39--wink_concat.mp4的输出mp4文件。

image

驱动视频自动裁剪 📢📢📢

Important

使用您自己的驱动视频时，我们推荐： ⬇️

  • 将其裁剪为1:1的宽高比（例如，512x512或256x256像素），或通过--flag_crop_driving_video启用自动裁剪。
  • 专注于头部区域，类似于示例视频。
  • 最小化肩部运动。
  • 确保驱动视频的第一帧是具有中性表情的正面面部。

以下是通过--flag_crop_driving_video自动裁剪的示例：

python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d13.mp4 --flag_crop_driving_video

如果自动裁剪的结果不理想，您可以修改--scale_crop_driving_video、--vy_ratio_crop_driving_video选项来调整比例和偏移，或者手动进行调整。

动作模板制作

您也可以使用以.pkl结尾的自动生成的动作模板文件来加快推理速度，并保护隐私，例如：

python inference.py -s assets/examples/source/s9.jpg -d assets/examples/driving/d5.pkl # 人像动画
python inference.py -s assets/examples/source/s13.mp4 -d assets/examples/driving/d5.pkl # 人像视频编辑

4. Gradio 界面 🤗

我们还提供了Gradio界面 ，以获得更好的体验，只需运行：

# 对于Linux和Windows用户（以及搭载Intel的macOS？？）
python app.py # 人类模型模式

# 对于搭载Apple Silicon的macOS用户，不支持Intel，这可能比RTX 4090慢20倍
PYTORCH_ENABLE_MPS_FALLBACK=1 python app.py # 人类模型模式

我们还为动物模式提供了Gradio界面，这仅在Linux上经过NVIDIA GPU测试：

python app_animals.py # animals mode 🐱🐶

您可以指定--server_port、--share、--server_name参数以满足您的需求！

🚀我们还提供了一个加速选项--flag_do_torch_compile。第一次推理触发优化过程（约一分钟），使后续推理速度提高20-30%。不同CUDA版本的性能提升可能有所不同。

# 启用torch.compile以进行更快的推理
python app.py --flag_do_torch_compile

注意：此方法在Windows和macOS上不受支持。

或者，在HuggingFace上轻松尝试🤗。

5. 推理速度预估 🚀🚀🚀

我们还提供了一个脚本来评估每个模块的推理速度：

# 对于NVIDIA GPU
python speed.py

结果在本仓库该文件展示.

社区资源 🤗

发现社区贡献的宝贵资源，以增强您的LivePortrait体验：

以及我们社区的许多其他令人惊叹的贡献！

致谢 💐

我们要感谢FOMM、Open Facevid2vid、SPADE、InsightFace和X-Pose仓库的的贡献者，感谢他们的开放研究和贡献。

道德考量 🛡️

肖像动画技术伴随着社会风险，特别是在创建深度伪造（deepfakes）时可能被滥用。为了减轻这些风险，遵循道德指南并采取负责任的使用实践至关重要。目前，生成的结果包含一些视觉伪影，这些伪影可能有助于检测深度伪造。请注意，我们不对本项目生成的结果的使用承担任何法律责任。

引用 💖

如果您发现LivePortrait对您的研究有用，欢迎引用我们的工作，使用以下BibTeX：

@article{guo2024liveportrait,
  title   = {LivePortrait: Efficient Portrait Animation with Stitching and Retargeting Control},
  author  = {Guo, Jianzhu and Zhang, Dingyun and Liu, Xiaoqiang and Zhong, Zhizhou and Zhang, Yuan and Wan, Pengfei and Zhang, Di},
  journal = {arXiv preprint arXiv:2407.03168},
  year    = {2024}
}

联系方式 📧

Jianzhu Guo (郭建珠); guojianzhu1994@gmail.com；