什么？你的脸可以在游戏里生成？

        如今，各种AI满天飞。前有，无中生有的stable diffusion，可以以词生成二次元老婆，还可以以图像作为迁移目标进行生成；后有，火出天际的ChatGPT，可以聊天、写代码、甚至生成论文。

        可见，AI的能力如此之强。那么，我们能否利用AI，以人物图像作为输入生成游戏（如：honey select2）里的人脸数据呢？答案是，可以的！！！

        那么,怎么做到呢？理论上，游戏里人物的面部数据可以表示成一个多维向量。因此，我们可以使用深度学习的方法，以人物图像作为输入，让模型去学出这个向量，再将这个向量转换成面部数据导入到游戏中。这样一来，在游戏中就完成了对输入图像的人脸的“拷贝”。

        为了验证这个想法，我使用Resnet50作为特征提取器，将最后的1000维全连接层，缩减到了适合表示游戏面部数据的维度数（75维），其他层保持不变。并且使用均方差损失函数（MSE Loss)调整参数，使用余弦相似度（cosine similarity）作为评价指标。在该项目使用了6200多张游戏人物卡（没有使用真人图片）进行训练和测试，其中有5000+用于训练，其余用于测试。详情请查看该项目 https://github.com/ChasonJiang/Extract-Face-Data.git

        使用上述方法训练一轮（epoch）之后就模型快收敛了，最终模型在1200多张人物卡的测试集中的进行测试的余弦相似度为：93.74%

        下图右边就是使用上述方法生成的面部数据在游戏中的结果：

以上左图均来自于网络，侵删。