将source image中的人脸换到target image上。

• roop pipeline概述

  首先用人脸检测模型检测source image和target image中的人脸，并分析人脸特征；然后抠出source人脸和target人脸，给到inswapper完成换脸再贴到target image上。人脸修复是一项可选的后处理，本仓库中使用的是codeformer模型。

• git clone https://github.com/ZillaRU/roop_face.git
• cd roop_face
• 安装必要的包：pip3 install torch torchvision opencv-python-headless flask==2.2.2 insightface onnxruntime gradio
• 下载tpu-perf包, 并安装pip3 install tpu-perf*.whl。
• 下载bmodel文件，然后在项目根目录建立bmodel_files，解压（tar xzvf bmodel_files.tar.gz）并把bmodel文件放进去。

python demo_app.py，启动完成后终端会显示端口号，浏览器访问盒子ip:端口号即可。

python3 app_roop.py，启动完成后服务在7019端口。

• 请求方法：POST
• 请求体
  • source_img (必填): 源图片的Base64编码字符串。
  • target_img (必填): 目标图片的Base64编码字符串。
  • payload (可选): 额外的参数，具体内容待定。
• 请求示例

  {
    "source_img": "base64_encoded_source_image",
    "target_img": "base64_encoded_target_image",
    "payload": "additional_parameters_if_needed"
  }
  

• 响应
  • ret_img: 包含target_image换脸后图片的Base64编码字符串。
  • message: 操作成功或失败的提示信息。
• 响应示例

  {
    "ret_img": ["base64_encoded_face_swapped_image"],
    "message": "success"
  }
  

• 请求方法：POST
• 请求体
  • image (必填): 待增强图片的Base64编码字符串。
  • restorer_visibility (可选): 增强效果的可见度，默认值为1.0。
  • payload (可选): 额外的参数，具体内容待定。
• 请求示例

  {
    "image": "base64_encoded_image",
    "restorer_visibility": 0.5, // 可选，调整增强效果的可见度
    "payload": "additional_parameters_if_needed" // 可选
  }
  

• 响应
  • ret_img: 包含增强后图片的Base64编码字符串。
  • message: 操作成功或失败的提示信息。
• 响应示例

  {
    "ret_img": ["base64_encoded_enhanced_image"],
    "message": "success"
  }