CAFE: CArtoonize For Extra faces

TEAM Member

블랙박스
🙈 김기용	🐒 김성수	🙉 김주엽	🙊 이 구	🐵 이태희

• 김기용_T4020: Cartoonize 모델 조사, 실험 결과 분석
• 김성수_T4039: Object Tracking 모델 조사, Modeling, 알고리즘 개발
• 김주엽_T4048: Model Serving
• 이 구_T4145: Cartoonize 모델 조사, Modeling, 알고리즘 개발
• 이태희_T4172: Object Tracking 모델 조사, Modeling, 코드 오류 분석 및 수정

---

Project Outline

• TV 프로그램 혹은 유튜브를 보다보면, 메인 출연자가 아닌 이들의 얼굴을 모자이크 된 것을 쉽게 찾아볼 수 있다. 하지만 이러한 모자이크 기법은 얼굴의 특징을 지워버리기 때문에 인물의 얼굴 표정, 눈빛, 시선과 같은 정보를 잃게 된다.

• 위의 사진들은 '백종원의 쿠킹로그'라는 유튜브 채널에서 가져온 것으로, 일반인의 표정과 대응되는 백종원의 사진으로 대체함으로써 그들의 반응을 효과적으로 파악할 수 있도록 하였다.
• 하지만, 이러한 방식은 편집자가 직접 해당 프레임의 얼굴을 찾아 바꿔주어야 하기 때문에 상당한 비용(시간, 노력 등)이 발생한다.
• 이에 우리는 기존의 모자이크를 대체하여 사람을 특정할 수 있을 정도로 얼굴을 노출시키지 않는 동시에 얼굴 표정, 시선, 눈빛과 같은 정보는 보존할 수 있는 새로운 방식, CAFE(CArtoonize For Extra faces)를 제안한다.

---

Environment

• Ubuntu 18.04.5 LTS
• Intel(R) Xeon(R) Gold 5120 CPU @ 2.20GHz
• NVIDIA Tesla V100-SXM2-32GB (used up to 8GB at our test)
• CUDA 11.0
• Tensorflow 1.12.0
• PyTorch 1.12.1
• opencv-python 4.2.0.34

---

Architecture

Summary

• Detection: YOLOv7
• Tracking: BoT-SORT
• Cartoonize : White-box-Cartoonization
• Backend: FastAPI
• Frontend: Streamlit

Data Flow

전체적인 Data Flow는 아래와 같다.

1. User로부터 영상과 영상의 주인공(target) 사진을 입력받는다.
2. 영상에 face detection & tracking, cartoonize를 적용한다.
   2-1. 영상에 대한 face detection, tracking을 통하여 모든 등장인물의 얼굴 정보를 얻는다.
   2-2. 영상의 모든 프레임에 대한 cartoonize를 진행한다.
3. 주인공 사진과 영상에 등장하는 인물들의 사진에 대한 feature를 뽑아낸 후, cosine similarity를 계산하여 target과 target이 아닌 얼굴들을 구분한다.
4. target이 아닌 얼굴들에 대한 정보(from 2-1)를 이용하여, 모든 프레임의 얼굴을 swap 한다.

Service Flow

전체적인 Service Flow는 아래와 같다.

1. Streamlit을 통해 user와 interaction하며, 주인공 이미지와 영상을 입력받고, 결과물을 다운받을 수 있다.
2. Streamlit을 통해 입력받은 이미지와 영상은 local file storage에 저장되며, FastAPI를 통해 Detection & Tracking, Cartoonize 연산을 요청한다.
3. Detection & Tracking은 PyTorch 환경에서 실행되고, Cartoonize는 Tensorflow 환경에서 실행된다. 이 과정은 병렬적으로 진행되며, Tracking 결과는 MongoDB에 저장된다.
4. 위의 과정이 끝난 이후, backend에서 MongoDB에 저장된 tracking 정보를 사용하여 face swapping 과정을 수행한다.
5. Streamlit을 통해 user가 최종 결과물의 재생 및 저장이 가능하다.

---

Usage

Environment Setup

• To use any form of function we provide, the following process must be followed.

# Clone our repository
git clone https://github.com/boostcampaitech4lv23cv1/final-project-level3-cv-07

# Move to our dir
cd final-project-level3-cv-07

# Setup for each virtual environment (for frontend, backend, detection & tracking, cartoonize)
bash init.sh

• Then, follow instruction in Dataset section

Run CAFE with Web Demo

• You can run CAFE with web demo. Just follow the instruction below.

# Open frontend/app.py and update backend ip address in line 14
vim frontend/app.py

"""
fix below line
backend = "http://115.85.182.51:30002" -> backend = "http://{your_own_ip_address}:30002"
"""

# Start all process required for starting demo page
bash start.sh

# Now, you can access demo page at "http://{your_own_ip_address}:30001"}

Run CAFE without Web Demo (WIP)

• Unfortunately, we haven't checked the file path yet. Do it yourself if you need to.

• You can also run CAFE without web demo. Just run the python file in the order below.

1. Run cartoonize function (models/cartoonize/Cartoonize.py)

cd final-project-level3-cv-07/models/cartoonize
python Cartoonize.py

2. Run tracking, face swapping and save result (models/track/mc_demo_yolov7.py)

cd final-project-level3-cv-07/models/track
python tools/mc_demo_yolov7.py

---

Dataset

YOLOv7-tiny

Trained with WiderFace, [pretrained weights]
Download the pre-trained weights and place them in the path below.

./final-project-level3-cv-07/models/track/pretrained

White-box Cartoonization

Trained with private dataset. Scenery images are collected from Shinkai Makoto, Miyazaki Hayao and Hosoda Mamoru films. Portrait images are from Kyoto animations and PA Works). [pretrained weights]
Download the pre-trained weights and place them in the path below. (maybe, already exist)

./final-project-level3-cv-07/models/cartoonize/saved_models

---

Result

Discussion

• 첫 번째 결과의 tracking result를 보면 배경 및 의상에서도 얼굴이 인식되는 것을 확인할 수 있다. CAFE는 confidence thresholding을 통해 이러한 상황에서도 강인하게 동작한다.
• 두 번째, 세 번째 결과를 보면 화면 전환에 의해 동인 인물에 대한 여러개의 tracklet이 생성되지만, 우리가 제안한 two-step similarity check 과정을 통해 성공적으로 target과 extra를 구분해내는 것을 확인할 수 있다.

target	tracking result	CAFE result

영상 출처

• https://www.youtube.com/watch?v=SP-LJqVgQuw&t=163s
• https://www.youtube.com/watch?v=GmAwsAB7nhw
• https://www.youtube.com/watch?v=tL20swtWOqI

---

Demo

---

More Details

[Wrap-up Report] [Slides] [Presentation]

---

Reference

• C.-Y. Wang, A. Bochkovskiy, H.-Y. M. Liao, Yolov7: Trainable bag- of-freebies sets new state-of-the-art for real-time object detectors, arXiv preprint arXiv:2207.02696.
• N. Aharon, R. Orfaig, B.-Z. Bobrovsky, Bot-sort: Robust associations multi-pedestrian tracking, arXiv preprint arXiv:2206.14651.
• X. Wang, J. Yu, Learning to cartoonize using white-box cartoon represen- tations, in: Proceedings of the IEEE/CVF conference on computer vision and pattern recognition, 2020, pp. 8090–8099.

---

Acknowledgement

A large part of the code are borrowed from YOLOv7 with wider face dataset, BoT-SORT, White-box-Cartoonization. Thanks for their excellent work and sharing.