<ph type="x-smartling-placeholder">
Mit der Aufgabe „MediaPipe Face Stylizer“ können Sie Gesichterstilisierungen auf Gesichter in einem Bild anwenden. Mit dieser Aufgabe können Sie virtuelle Avatare in verschiedenen Stilen erstellen.
Das in dieser Anleitung beschriebene Codebeispiel ist auf GitHub verfügbar. Weitere Informationen zu Funktionen, Modellen und Konfigurationsoptionen Sehen Sie sich die Übersicht an.
Codebeispiel
Der Beispielcode für Face Stylizer ermöglicht eine vollständige Implementierung dieses in Python. Dieser Code hilft Ihnen, diese Aufgabe zu testen und angefangen mit der Entwicklung eines eigenen Stils für das Gesicht. Sie können den Beispielcode für Face Stylizer nur in Ihrem Webbrowser.
Einrichtung
In diesem Abschnitt werden die wichtigsten Schritte zum Einrichten Ihrer Entwicklungsumgebung und für die Nutzung von Face Stylizer. Allgemeine Informationen zu Einrichten Ihrer Entwicklungsumgebung für die Verwendung von MediaPipe-Aufgaben, einschließlich Anforderungen an die Plattformversion finden Sie im Einrichtungsleitfaden für Python.
Pakete
Für die Aufgabe „MediaPipe Face Stylizer“ ist das PyPI-Paket „mediapipe“ erforderlich. Sie können importieren Sie diese Abhängigkeiten folgendermaßen:
$ python -m pip install mediapipe
Importe
Importieren Sie die folgenden Klassen, um auf die Aufgabenfunktionen für Face Stylizer zuzugreifen:
import mediapipe as mp
from mediapipe.tasks import python
from mediapipe.tasks.python import vision
Modell
Für die Aufgabe „MediaPipe Face Stylizer“ ist ein trainiertes Modell erforderlich, das mit diesem . Weitere Informationen zu verfügbaren trainierten Modellen für den Face Stylizer findest du unter in der Aufgabenübersicht im Abschnitt „Modelle“.
Wählen Sie das Modell aus, laden Sie es herunter und speichern Sie es dann in einem lokalen Verzeichnis:
model_path = '/absolute/path/to/face_stylizer.task'
Verwenden Sie den model_asset_path-Parameter des BaseOptions-Objekts, um den Pfad von
das zu verwendende Modell. Ein Codebeispiel finden Sie im nächsten Abschnitt.
Aufgabe erstellen
In der Aufgabe „MediaPipe Face Stylizer“ wird mit der Funktion create_from_options der
. Die Funktion create_from_options akzeptiert Werte für die Konfiguration
die zu verarbeiten sind.
Der folgende Code zeigt, wie diese Aufgabe erstellt und konfiguriert wird.
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.
# ...
Daten vorbereiten
Bereiten Sie Ihre Eingabe als Bilddatei oder NumPy-Array vor und konvertieren Sie sie in ein
mediapipe.Image-Objekt. Handelt es sich bei deiner Eingabe um eine Videodatei oder einen Livestream aus einem
können Sie eine externe Bibliothek wie
OpenCV, um die Eingabeframes als NumPy zu laden
Arrays.
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)
Aufgabe ausführen
Der Face Stylizer verwendet die Funktion stylize, um Inferenzen auszulösen. Für das Gesicht
Hierbei werden Eingabedaten vorverarbeitet und Gesichter in der
Bild.
Der folgende Code zeigt, wie die Verarbeitung mit der Aufgabe ausgeführt wird. Modell.
# 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)
Ergebnisse verarbeiten und anzeigen
Der Face Stylizer gibt ein Image-Objekt mit dem
auffälliges Gesicht im Eingabebild.
Im Folgenden sehen Sie ein Beispiel für die Ausgabedaten dieser Aufgabe:
Die obige Ausgabe wurde durch Anwenden der Farbskizze erstellt. in das folgende Eingabebild ein:
