fluxpediawork/blob-portrait

斑点人像：照片的梯度下降

用 2D 高斯斑点绘制照片。从 1500 个随机斑点开始，每步渲染它们，测量与照片的误差（L1 + SSIM），然后微调每个斑点以减少误差（Adam）。在高误差区域会生成新的小斑点。不涉及任何图像生成模型：画面是通过学习得到的。

步骤

1. 获取照片。 使用附件中的文件。注意其主体位置，以便设置 --focus（最需要细致训练的区域，通常是面部）。

2. 安装。 Python 3.10+。

   pip install -r requirements.txt   # torch, numpy, pillow
   

   如果 PyTorch 索引被屏蔽，直接从 PyPI 用 pip install torch 即可。

3. 选择预设，根据可用硬件和时间：

   预设	步数	最大斑点数	2 核 CPU	GPU
   quick	300	15,000	~8 分钟	~1 分钟
   default	1,600	45,000	~35 分钟	~5 分钟
   full	6,000	100,000	数小时	~20-40 分钟

   在 CPU 上运行时，让 default 在后台运行并轮询日志；不要阻塞等待。

4. 运行。

   python scripts/blobfit.py photo.jpg --out result/ --preset default \
       --aspect 4:5 --focus 0.5,0.4,0.45,0.5
   

   • --aspect 将图片裁剪为 w:h 比例（以中心为基准），设为 none 则保持原始形状。
   • --focus cx,cy,w,h 参数值范围为 0-1，相对于裁剪后的图像。对于居中的自拍照，0.5,0.4,0.45,0.5 覆盖面部区域。
   • --steps / --blobs 可覆盖预设值。
   • 设备自动选择：CUDA，然后是 Apple MPS，最后是 CPU。

5. 交付前检查结果。 打开 compare.jpg 和 zoom.jpg 并观察。stats.json 中有 PSNR 值：约 28-30 dB 表示略为相似（快速模式），38 dB+ 则在正常尺寸下很难区分。如果面部模糊，增加步数或将 --focus 调整到面部区域后重新运行。

6. 交付。 发送 compare.jpg、render.png 和 training.gif。说明使用的斑点数、步数、PSNR 值，并强调这是训练得到的，而非生成的。

输出文件

文件	说明
render.png	完整拟合尺寸下的斑点画作
compare.jpg	真实照片与代码版本的对比图
zoom.jpg	眼部附近的细节放大图
training.gif	从噪声到画面的动画，每个里程碑一帧
blobs.npz	每个斑点的参数：位置、缩放、角度、颜色、强度（用于重新渲染或动画）
stats.json	步数、斑点数、PSNR、耗时、设备

诚实限制

• 它只能复制单张照片。无法创造新视角或新面孔。
• 质量取决于步数：短时间 CPU 运行效果较模糊；要表现细腻的皮肤纹理需要 full 预设。
• 背景色取自照片边缘，因此斑点只需绘制与背景不同的部分。