AI（人工知能） 2019.02.16 2019.02.19 cedro

PyTorch StarGANでセレブの顔を変化させてみる

今回は、StarGANでセレブの顔を狙い通りに変化させてみたいと思います。

こんにちは cedro です。

以前、CycleGANで２つのドメインの相互変換（馬をシマウマに変換、少女時代のコスチューム入替）をやってみました。

そうすると今度は、複数ドメインの相互変換はどうなのよとなるわけですが、実はそれを実現する StarGANというのがあります。

ということで、今回は、StarGANでセレブの顔を狙い通りに変化させてみたいと思います。

StarGANとは？

これは論文に出ている、CycleGAN と StarGAN の違いを表す概念図です。

（a）単純に考えると、全てのドメイン間の組み合わせでCycleGANを適用することになる訳ですが、これではGANの数がやたらと多くなり計算コストも莫大になります。

（b）そこで、１つのGANだけを使い、ラベルを使って複数のドメイン間を行き来できるようにしたのが、StarGANです。

これも論文に出てくる、StarGANの学習プロセスを表す図です。

（a）Discriminator に Real_image とFake_image を入力し、RealかFakeか、どのドメインに属するかを判定させます。

一方、（b）Generator に input_image と目標ドメインを入力して、Fake_imageを生成させます。そのFake_imageを（d）Discriminator へ入力し、RealかFakeかと目標ドメインを判定させます。

それと同時に、そのFake_imageと元ドメインを（c）Generator に入力し、input_image と目標ドメインを再現させ、（b）Generator の入力と比較させます。

もっと詳しく知りたい方は、論文がこちらにあります。

コードを準備します

今回は、Githubにある、yunjey/StarGAN のサンプルコードを使わさせて頂きます。まず、クローンあるいはダウンロードして下さい。

ちなみに、yunjey さんは、StarGANの論文著者の一人です。

bash download.sh celeba

1	bash download.sh celeba

最初に、CelebAのデータセットを準備します。mac や linux であれば bash が使えますので、上記コマンドを実行するだけです。簡単ですね。

別に、bash が使えなくても問題はありません。以下に、手動でどうやるかも書いておきます。

https://www.dropbox.com/s/d1kjpkqklf0uw77/celeba.zip

1	https://www.dropbox.com/s/d1kjpkqklf0uw77/celeba.zip

bash が使えない方は、ブラウザに上記URLを入力し、celeba.zip をダウンロードして下さい。容量は、1.32GBです。　　　

そして、ルートに data フォルダーを作成し、celeba.zip を解凍して出来た celeba フォルダーを格納します。これでOKです。

ちなみに、celeba フォルダーの中には、images フォルダー（この中にセレブの顔画像が入っています）と list_attr_celeba.txt （属性ファイル）が入っています。

コードを実行します

python main.py --mode train --dataset CelebA --image_size 128 --c_dim 6 \
                 --sample_dir stargan_celeba/samples --log_dir stargan_celeba/logs \
                 --model_save_dir stargan_celeba/models --result_dir stargan_celeba/results \
                 --selected_attrs Eyeglasses Black_Hair Blond_Hair Brown_Hair Male Young

python main.py --mode train --dataset CelebA --image_size 128 --c_dim 6 \

--sample_dir stargan_celeba/samples --log_dir stargan_celeba/logs \

--model_save_dir stargan_celeba/models --result_dir stargan_celeba/results \

--selected_attrs Eyeglasses Black_Hair Blond_Hair Brown_Hair Male Young

学習を実行する時は、コマンド python main.py の引数でどういう動作をさせるのか指定します。

ポイントだけ説明します。１行目の – -mode train が学習の指定で、 – -c_dim 6 は使用する属性の数の指定。４行目は使用する属性の名前の指定です。

ここでは、Eyeglasses, Black_Hair, Blond_Hair, Brown_Hair, Male, Young の６つの属性を使っています。なお、Celeba の属性についての詳しい説明が知りたい場合はこのブログでご覧下さい。

早速、学習させてみましょう。今回はGPUが必須です。属性数6個、200,000 iter を GTX1060 で学習すると約30時間ほど掛かりました。

parser.add_argument('--batch_size', type=int, default=7, help='mini-batch size')   # 16 → 7

1	parser.add_argument('--batch_size', type=int, default=7, help='mini-batch size') # 16 → 7

学習が完了したら、今度はテスト（推論）です。ただ、相互変換の結果画像がデフォルトでは16行×7列と縦長過ぎるので、main.py の73行目のdefault = 16 → 7 に変更して、7行×7列で表示させるようにします。

python main.py --mode test --dataset CelebA --image_size 128 --c_dim 6 \
                 --sample_dir stargan_celeba/samples --log_dir stargan_celeba/logs \
                 --model_save_dir stargan_celeba/models --result_dir stargan_celeba/results \
                 --selected_attrs Eyeglasses Black_Hair Blond_Hair Brown_Hair Male Young

python main.py --mode test --dataset CelebA --image_size 128 --c_dim 6 \

--sample_dir stargan_celeba/samples --log_dir stargan_celeba/logs \

--model_save_dir stargan_celeba/models --result_dir stargan_celeba/results \

--selected_attrs Eyeglasses Black_Hair Blond_Hair Brown_Hair Male Young

推論時も、コマンド python main.py の引数で動作を指定します。引数は、学習の時とほとんど同じで、１行目の – -mode train を – -mode test に変更するだけです。

生成した画像の中の１つです。一番左の列が Input で、そこから右へ順番に、メガネを掛ける（Eyeglasses）、黒髪に変える（Black_Hair）、ブロンドに変える（Blond_Hair）、茶髪に変える（Brown_Hair）、性別を変更する（Male）、年を取らせる（Young）という属性変化を掛けています。

今回使った CelebA の各属性データの数を見ると、Eyglasses 13,193個、Black_Hair 48,472個、Blond_Hair 29,983個、Brown_Hair 41,572個、Male 84,434個、Young 156,734個とバラツキが半端ないですが、上手く属性変化が出来ているようです。