High-resolution Face Swapping via Latent Semantics Disentanglement

celeba人脸识别训练集，以处理成h5py格式，显著提升数据读取与训练速度 受CSDN文件大小限制，文档包含了1万张照片，更多照片可以私信获取

每个文件对应一种数据集的解析，解析格式按照yolov5训练集的格式生成，可以根据个人文件的位置修改相应路径，亲测可行，代码逻辑较简单。

官网http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html。本次上传时starGAN 使用的部分

celeba数据集 官网：http://mmlab.ie.cuhk.edu.hk/projects/CelebA.html

CelebA-Spoof：具有丰富注释的大规模面部防欺骗数据集 CelebA-Spoof：具有丰富注释的大规模面部防欺骗数据集 ，，，，，， 在ECCV 2020中。 [] | [] 摘要： CelebA-Spoof是一个大规模的人脸反欺骗数据集，具有来自10,177个对象的625,537张图像，其中包括关于脸部，光照，环境和欺骗类型的43种丰富属性。从CelebA数据集中选择的实时图像。我们收集并注释CelebA-Spoof的欺骗图像。在43个丰富的属性中，有40个属性属于实时图像，包括所有面部组件和附件，例如皮肤，鼻子，眼睛，眉毛，嘴唇，头发，帽子，眼镜。欺骗图像包含3个属性，包括欺骗类型，环境和照明条件.CelebA-Spoof可用于训练和评估面部反欺骗算法。 更新 [02/2021] CelebA-Spoof Challenge 2020的已在arXiv上发布。 [08/20

CelebFaces Attributes Dataset (CelebA)数据集由202599幅图像组成，本压缩包上传了20000张数据，用于生成对抗网络（GAN）的训练

# GAN网络生成人脸Pytorch代码 使用CelebA数据集 数据集链接在压缩包里，通过百度网盘下载

CelebAMask-HQ CelebAMask-HQ是一个大规模的面部图像数据集，通过遵循CelebA-HQ从CelebA数据集中选择了30,000张高分辨率面部图像。 每个图像具有对应于CelebA的面部属性的分割蒙版。 CelebAMask-HQ口罩采用512 x 512尺寸手动注释，分为19类，包括所有面部组件和配件，例如皮肤，鼻子，眼睛，眉毛，耳朵，嘴巴，嘴唇，头发，帽子，眼镜，耳环，项链，脖子和布。 CelebAMask-HQ可用于训练和评估人脸解析，人脸识别以及用于人脸生成和编辑的GAN的算法。 如果您需要图像的身份标签和属性标签，请向发送请求。 交互式人脸图像处理演示 样本图片 CelebAMask-HQ的人脸操纵模型 CelebAMask-HQ可用于多个研究领域，包括：面部图像处理，面部分析，面部识别和面部幻觉。 下面展示了一个关于交互式面部图像处理的应用程

该训练集为北京交通大学、商汤科技、香港中文大学开源的大型活体检测数据集，填补了目前开源数据集数量少和多样性不足的缺点，很适合作为该领域的训练、测试的数据集