1 大赛背景

FaceChain是一个以人像为核心的文生图框架。用户仅需要提供最低一张人像照片，结合不同的风格模型，可以生成极具创意的个人AI写真作品。随着FaceChain应用领域的不断拓展，用户对个人AI写真的生成速度和质量都提出了更高的要求。通过本项赛事，我们希望参赛者在提高AI写真的人像逼真度、提升风格模型的生成效果、拓展AI人像视频功能等方面提出优秀的解决方案，共同打造一款高效、真实、风格优美的AI人像写真、视频生成框架。

2 赛题说明

2.1 赛题一：基于FaceChain-FACT设计并实现一套角度与姿势变换下人脸逼真、相似度高的生成模型

2.1.1赛题基本描述

人像生成任务中，在很多应用场景需要变换生成人脸的角度与姿势，如何在多角度和姿势的变换下仍保证生成人像的相似性与逼真度是本题目的主要解决内容。

基本组件可包括：

ControlNet：人脸与人体的关键点作为生成图片的参考。
Face Adapter（FACT）：用于送入人脸的表征至生成模型中。
LoRA：用于控制生成的风格。

注意：由于本赛题仅考察的是生成能力，设计的模型与框架中不应包含换脸模块。

本赛题的相关资源参见：https://atomgit.com/18240440898/FaceChain_competition

2.1.2 赛题评审标准

评分项	子评分项	评分标准
方案架构设计(30分)	可行性（5）	方案充分考虑FaceChain项目背景、特点，具备在FaceChain中用代码实现的可行性；方案能够用于解决实际场景的问题，能够用于提升多角度多姿势的人脸生成效果。
	原创性（20）	方案具有创新性，为业界当前所未公开发表过的方案。
	先进性（5）	对比业界已有的方案，当前方案在降低实现难度、减轻流程复杂度、大幅提升性能上有明显优势的，或者其他具备先进性的内容。
方案效果(55分)	相似度（15）	相似度为角度变换的基础，模型需保证在多角度的变换下，生成结果保证与输入图片极高的相似度。
	多样性（30）	在保证相似度的基础上，模型应根据多样的参考角度，生成自然逼真的人像生成效果，包括但不限于人脸的衔接度、表情的自然度以及与光影、背景等的融入程度。
	可控性（10）	需根据参考条件变换人脸与人体的角度。
推断的稳定与效率(15分)	速度（5）	单幅图片的生成时间。
	稳定性（5）	在多次运行测试下，仍需保持较好的生成效果。
	易用性（5）	关注模型、框架的可使用性，是否能做到即插即用。

2.2 赛题二：基于FaceChain-FACT框架实现精美的风格生成

2.2.1赛题基本描述

FaceChain作为一款AI人像写真工具，其主要的风格生成能力依赖于风格LoRA模型。训练定制化风格LoRA模型，需综合整合数据集与更改LoRA的相关训练调试都会影响到最后的生成的效果与稳定性。如何调节训练使模型更高效获得优美可控的风格生成能力这一问题需要解决。

本赛题的相关资源参见：https://atomgit.com/18240440898/FaceChain_competition

2.2.2 赛题评审标准

评分项	子评分项	评分标准
方案架构设计(25分)	可行性（5）	方案充分考虑FaceChain项目背景、特点，具备在FaceChain中用代码实现的可行性；方案能够用于解决实际场景的问题。
	原创性（15）	方案具有创新性，为业界当前所未公开发表过的方案。
	先进性（5）	对比业界已有的方案，当前方案在降低实现难度、减轻流程复杂度、大幅提升性能上有明显优势的，或者其他具备先进性的内容。
方案效果(60分)	优美性（35）	需生成具备优美性摄影风格的写真，具备艺术美感。
	多样性（15）	在保证优美性的基础上，模型应具备多种风格生成的能力。
	相似性（10）	需保证人脸相似性的基本能力。
推断的稳定与效率(15分)	速度（5）	单幅图片的生成时间。
	稳定性（5）	在多次运行测试下，仍需保持较好的生成效果。
	易用性（5）	关注模型、框架的可使用性，是否能做到即插即用。

2.3 赛题三：提升FaceChain生成的人像真实感

2.3.1赛题基本描述

FaceChain AI人像生成框架，基于预训练过的人物LoRA模型（FaceCommon技术）提升人脸质感，除此之外利用换脸技术增加人脸的真实感。本赛题旨在进一步提升人脸的真实感，意图恢复人脸生成的细节，包括但不限于肌肤纹理、人脸斑点等人脸细节。

本赛题的相关资源参见：https://atomgit.com/18240440898/FaceChain_competition

2.3.2 赛题评审标准

评分项	子评分项	评分标准
方案架构设计(30分)	可行性（5）	方案充分考虑FaceChain项目背景、特点，具备在FaceChain中用代码实现的可行性；方案能够用于解决实际场景的问题，能够用于提升人脸真实感生成效果。
	原创性（20）	方案具有创新性，为业界当前所未公开发表过的方案。
	先进性（5）	对比业界已有的方案，当前方案在降低实现难度、减轻流程复杂度、大幅提升性能上有明显优势的，或者其他具备先进性的内容。
方案效果(55分)	相似度（15）	相似度为基础，模型需保证在多角度的变换下，生成结果保证与输入图片极高的相似度。
	细节性（30）	在保证相似度的基础上，模型生成自然逼真的人像生成效果，且需增加照片的真实质感包括但不限于人脸的肌肤纹理、毛发等细节，减少生成的磨皮感、油画感。
	特征保留性（10）	保留输入人像的个例性特征，包括但不限于雀斑、痣、抬头纹等。
推断的稳定与效率(15分)	速度（5）	单幅图片的生成时间。
	稳定性（5）	在多次运行测试下，仍需保持较好的生成效果。
	易用性（5）	关注模型、框架的可使用性，是否能做到即插即用。

2.4 赛题四：基于AnimateDiff的以人为主体的动态变化

2.4.1赛题基本描述

前段时间一个男孩/女孩的一生火爆全网，其背后的算法是AnimateDiff，一个流行的AI动画生成框架。目前如何保持视频主体的一致性以及时序的平滑性仍然是一个难题。此外，相比于无意义的场景生成及过渡，加上一些叙事性或者描述性的Prompt来控制每一个动态场景更是一个具有挑战性的课题。

本赛题的目的在于进一步提升AnimateDiff的性能稳定性以及可玩性，通过结合描述性的Prompt来生成一段有意义的以人为主体的视频。选题可以是人的一生，也可以是人的一天，与人相关的主题都可以作为创作对象。

本赛题的相关资源参见：https://atomgit.com/18240440898/FaceChain_competition

2.4.2 赛题评审标准

评分项	子评分项	评分标准
方案架构设计(25分)	可行性（5）	方案充分结合了AnimateDiff的优势，集成的模块能够解决视频的一致性和稳定性等问题，并且能够生成生动有趣的与Prompt一致的视频。
	原创性（15）	方案具有创新性，为业界当前所未公开发表过的方案。
	先进性（5）	对比业界已有的方案，当前方案在提高视频稳定性、保真性、以及视频主体一致性上有明显优势的，或者其他具备先进性的内容。
方案效果(55分)	故事性（25）	生成的视频具有一定的故事性，描述了一个完整且有意义的活动或者变化。
方案效果(55分)	真实感（30）	生成的视频具备高细节信息、且无伪影的生成结果。
推断的稳定与效率(30分)	速度（5）	单个视频的生成时间。
	稳定性（20）	在多次运行测试下，仍需保持较好的生成效果。
	易用性（5）	关注模型、框架的可使用性，设计的模块是否能做到即插即用。

2.5 赛题五：表情控制的人脸视频生成

2.5.1赛题基本描述

可控人脸图像生成已经取得长足进展，而扩展到视频域的人脸属性编辑还有待深入挖掘，尤其是表情。本赛题的目的在于利用现有的视频生成技术，比如AnimateDiff，将给定的或者生成的人像，通过结合条件可控的技术，实现精细的表情控制，生成一个生动稳定的忠实于给定表情的动态人脸。

本赛题的相关资源参见：https://atomgit.com/18240440898/FaceChain_competition

2.5.2 赛题评审标准

评分项	子评分项	评分标准
方案架构设计(25分)	可行性（5）	方案充分结合了现有视频生成框架的优势，所设计的模块能够很好的控制人脸表情，对一般表情条件有泛化性，在各种实际场景都有稳定可靠的效果。
	原创性（15）	方案具有创新性，为业界当前所未公开发表过的方案。
	先进性（5）	对比业界已有的方案，当前方案在表情控制能力、控制程度以及视频整体的保真性、平滑性以及人脸身份一致性上有明显优势的，或者其他具备先进性的内容。
方案效果(55分)	一致性（25）	生成的视频是否具有和给定人脸一致的身份以及一致的表情。
方案效果(55分)	真实感（30）	生成的视频具备高细节信息、且无伪影的生成结果。
推断的稳定与效率(30分)	速度（5）	单个视频的生成时间。
	稳定性（20）	在多次运行测试下，仍需保持较好的生成效果。
	易用性（5）	关注模型、框架的可使用性，设计的模块是否能做到即插即用。

大赛最终解释权归开放原子开源基金会及共建方所有。