图片效果不好

[dsj320]

很好的工作，我使用了你们的代码，在CelebA和FFHQ512的测试集上进行了测试，感觉结果上总体比较偏模糊，有总磨皮的感觉，然后测试的fid,id sim,id retrieval都不是很高，不过在视频里面的一致性确实很好，能帮忙解答一下这是为什么嘛

上面是和REFace的一些对比，从左往右依次是source,targte,REFace result,VividFace result,可以看懂vividface整体结果模糊一点， 这个是使用REFace里面的eval脚本的评测结果，可以看到指标上也不是很好，，所以整体在图片上进行人脸交换的效果并不如意，

[deepcs233]

1. 输入的图片需要align+crop，可以参考face recognition的标准做法。因为后面也需要通过face recognition model提取id信息
2. 数据集包含亚洲人脸比较多（部分有美颜），欧美数据稍微少一些
3. 我们的模型在线上App提供服务，这里开源的不是最好的版本，希望理解。
4. 如果是为了刷分的话，一些参数，比如dino_scale，attr_scale, ip_scale, num_steps等都可以微调。分数表现会好一些，但是和实际效果有时候不一致
5. 我们提供的脚本里，默认是encode video & decode video，如果是图片的话。需要将https://github.com/deepcs233/VividFace/blob/main/infer.py#L134 和

   VividFace/infer.py

   Line 529 in 801588b

   image = self.vae.decode(latents / self.vae.config.scaling_factor, return_dict=False, num_frames=8, is_image_batch=False)[0]

   中的is_image_batch设置为True，这可能是导致模糊的最大原因。而且还有referencenet的恰当处理

[dsj320]

我使用的是insightface裁剪对齐的，然后把图片转成了重复的8帧视频进行交换的，参数什么的确实没动，后续我再试试吧，十分感谢作者的回复，后续能在REMDME.md中补充图片换脸对应的设置吗，再次感谢

[deepcs233]

嗯嗯，我们后期有时间会继续推进，包括数据开源

[dsj320]

嗯嗯，我们后期有时间会继续推进，包括数据开源

作者您好，请问你们目前开源的代码可以使用图片进行微调训练吗