L'attività MediaPipe Face Stylizer ti consente di applicare stilizzazioni ai volti in un'immagine. Puoi utilizzare questa attività per creare avatar virtuali in vari stili.
L'esempio di codice descritto in queste istruzioni è disponibile su GitHub. Per ulteriori informazioni sulle funzionalità, sui modelli e sulle opzioni di configurazione di questa attività, consulta la Panoramica.
Esempio di codice
Il codice di esempio per Face Stylizer fornisce un'implementazione completa di questa attività in Python come riferimento. Questo codice ti aiuta a testare questa attività e a iniziare a creare il tuo stilizzatore per il viso. Puoi visualizzare, eseguire e modificare il codice di esempio di Face Stylizer utilizzando solo il browser web.
Configurazione
Questa sezione descrive i passaggi chiave per configurare l'ambiente di sviluppo e i progetti di codice specificamente per utilizzare Face Stylizer. Per informazioni generali sulla configurazione dell'ambiente di sviluppo per l'utilizzo delle attività MediaPipe, inclusi i requisiti della versione della piattaforma, consulta la guida alla configurazione per Python.
Pacchetti
L'attività di stilizzazione del viso MediaPipe richiede il pacchetto PyPI mediapipe. Puoi installare e importare queste dipendenze con quanto segue:
$ python -m pip install mediapipe
Importazioni
Importa le seguenti classi per accedere alle funzioni dell'attività Face Stylizer:
import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import vision
Modello
L'attività di stilizzazione del viso di MediaPipe richiede un modello addestrato compatibile con questa attività. Per ulteriori informazioni sui modelli addestrati disponibili per Face Stylizer, consulta la sezione Modelli della panoramica dell'attività.
Seleziona e scarica il modello, quindi memorizzalo in una directory locale:
model_path = '/absolute/path/to/face_stylizer.task'
Utilizza il parametro BaseOptions dell'oggetto model_asset_path per specificare il percorso del
modello da utilizzare. Per un esempio di codice, consulta la sezione successiva.
Crea l'attività
L'attività MediaPipe Face Stylizer utilizza la funzione create_from_options per configurare l'attività. La funzione create_from_options accetta valori per le opzioni di configurazione da gestire.
Il codice seguente mostra come creare e configurare questa attività.
import mediapipe as mp
BaseOptions = mp.tasks.BaseOptions
Facestylizer = mp.tasks.vision.face_stylizer
FacestylizerOptions = mp.tasks.vision.FaceStylizerOptions
# Create a face stylizer instance with the image mode:
options = FacestylizerOptions(
base_options=BaseOptions(model_asset_path=model_path),
with Facestylizer.create_from_options(options) as stylizer:
# The stylizer is initialized. Use it here.
# ...
Preparazione dei dati
Prepara l'input come file immagine o array numpy, quindi convertilo in un oggetto
mediapipe.Image. Se l'input è un file video o un live streaming da una webcam, puoi utilizzare una libreria esterna come OpenCV per caricare i frame di input come array di numpy.
import mediapipe as mp
# Load the input image from an image file.
mp_image = mp.Image.create_from_file('/path/to/image')
# Load the input image from a numpy array.
mp_image = mp.Image(image_format=mp.ImageFormat.SRGB, data=numpy_image)
Esegui l'attività
Face Stylizer utilizza la funzione stylize per attivare le inferenze. Per la stilizzazione dei volti, prevede la preelaborazione dei dati di input e la stilizzazione dei volti nell'immagine.
Il seguente codice mostra come eseguire l'elaborazione con il modello di attività.
# Perform face stylization on the provided single image.
# The face stylizer must be created with the image mode.
face_stylizer_result = stylizer.stylize(mp_image)
Gestire e visualizzare i risultati
La funzionalità Stilizzazione viso restituisce un oggetto Image con una stilizzazione del volto più prominente all'interno dell'immagine di input.
Di seguito è riportato un esempio dei dati di output di questa attività:
L'output riportato sopra è stato creato applicando il modello Bozzetto a colori alla seguente immagine di input:
