智能美妆是美颜sdk很常见的技术，在网络直播以及平常的社交生活中都有很多的应用场景。本文将为大家重点介绍下智能美妆的分支技术：“人脸妆造迁移”。

一、什么是人脸妆造迁移？

和智能美妆的本质不同，所谓的妆造迁移算法，指的是将一张人像的妆容迁移到任意一张人像照片或视频中，这算美颜sdk中比较复杂的技术。

根据有无人工智能技术的加成，人脸妆造迁移又分为两类，第一类是传统妆造迁移算法，第二类是深度学习妆造迁移算法。

二、传统妆造迁移算法

根据对数据集要求的不同，又分为两类，第一类是需要成对的妆造前后的图作为训练集，即有监督的模型；第二类则不需要成对的妆造前后对比图作为训练集，即无监督的模型。

第一类：基于成对图的算法，它需要同一个人脸图像妆造前后的对比图作为训练集，对数据集的要求很高。该方法通常包括3个步骤：

1、面部区域定位和对齐。首先需要完成人脸的检测，眉毛和睫毛，嘴唇等需要装让迁移的区域的检测，对妆造迁移算法会产生干扰的酷游皮肤特征，如雀斑、痣或瑕疵的去除。然后需要对面部几何形状进行变形，获得标准的正脸，从而使得所有的操作可以在该空间中进行。

2、采用妆容映射算法。该算法中将人脸图像分解为颜色和光照两部分的乘积，通过计算一个妆造前后的光照密度对比图cp来完成迁移。

3、外观修整。上式只有当样例图和目标图有完全相同的几何结构和光照，并且精确对齐时才能成立，而这基本上是不可能的，因此还需要对它进行局部几何变

换修正。

对于眼睛和睫毛部分，可以使用更为复杂的变换，睫毛和眉毛的浓妆效果需要更精细的处理，包括毛发的长度、颜色和密度。

不过该方法有几个重大局限性：

1、要求肤色相近，背景单一，这限制了应用场景。

2、无法适应比较大的几何变换。

3、需要成对的妆造对比图进行训练，获取这样的数据需要很高的成本。

以上，就是美颜sdk中，关于第一种人脸妆造迁移技术的介绍，关于人脸妆造的剩余内容，将放到下一如果您对美颜sdk接入有需求，欢迎咨询客服。

声明：本文由美狐原创，未经允许禁止转载，谢谢合作。