# MAKE UP

***Last Edited: 05 March 2020***

----

### Overview

In this report, we're trying to evaluate 3 different types of makeup for a RBG image.

- [Face Makeup](https://github.com/zllrunning/face-makeup.PyTorch?fbclid=IwAR2H5PxJNevwsUWkOgzDcvdcMR07GCtpdcbnKHUuooI_SaCTGNWUnKbsYVU)
- [Beauty GAN](https://github.com/Honlan/BeautyGAN)
- [Local Adversarial Disentangling Network for Facial Makeup and De-Makeup](https://github.com/wangguanzhi/LADN)

### 1. Face Makeup

*Summary*:

+ Segmentation components of face (BiSeNet): lip, hair, nose, etc.
+ Change color of each components



*Result*:

- Hiện tại chỉ parsing được segmentation của ảnh vuông
- Khá chán

*Comment*:

- **Độ chính xác của segmentation** còn chưa tốt (Có thể nhìn thấy bằng mắt thường) (VD: Môi, tóc)
- Mức độ đa dạng kém
- Vẫn có thể dùng được để tạo dataset, tuy nhiên kết quả nhìn còn xấu, **không chân thực**

### 2. BeautyGAN

*Summary*:

- TransferGAN: Transfer to target makeup style.
- Lossfunction gồm **lips, eyes & shadows**

*Result*:

- Hiện tại kích thước input là 256x256
- Infer time: ~ 0.01s/ ảnh


*Ảnh gốc*

*Hình ảnh result và target*

*Comment*:

- Kết quả nhìn **chân thực**
- Infer time ~ 0.001s/ảnh0 -> Khá nhanh
- *Màu da + background* của ảnh gốc *bị thay đổi*
- Tốt trên lip, eyes shadows, skin nhưng **không trang điểm được cheek**
- Cần ảnh target

### 3. LADN

*Summary*:

- ?

*Result*:

- Cần tạo file landmarks cho các ảnh input trước (và ảnh target) (Provided API to extract landmarks)
- * Mô hình cồng kềnh (Có cả Demakeup, etc)
*kết qủa dùng dataset của mình*
*kết quả nếu dùng dataset của author*
*ví dụ về landmark extract*

*Comment*:

- Kết quả nhìn bị lem (chưa thể chạy đẹp trên ảnh của mình -_-), dù kq của author nhìn rất thuyết phuc.
- Model lớn (provided light model ~ 12GiB), là model lớn nhất trong 3 cái (extreme model chưa chạy được trên dalat, CUDA out of mem)
- Cần thêm thời gian để phân tách các phần của model, do author viết demakeup, makeup, transfer makeup... hơi rối.

---

# Conclusion

Model tốt nhất hiện tại em đề xuất nên dùng là [**BeautyGAN**](https://github.com/Honlan/BeautyGAN) để tạo dataset makeup nhanh, chân thực
(Tuy nhiên, cần chọn trước target makeup source)