咱們須要真實看法本領的力氣

作家|楊曉凡

「AI換臉」這幾天又熱起來了。AI高科技指摘承襲往常的作風，從本領觀點大略回憶一下近幾年要害的AI換臉本領。

CycleGAN

CycleGAN不妨說是一切人臉變換試驗要害早期試驗。在對立性天生式搜集（GANs）的浪潮中，大師創造只有給定源類型的樣品和目的類型的樣品，GANs不妨便利地進修到兩個類型之間的變換聯系，就自然地實用于「圖像到圖像變換」題目，比猶如一張得意照的冬天到夏季、一匹馬到一匹斑馬；CycleGAN中心思緒在乎，即使能從源變換到目的、還能從源變換回顧，就不妨覺得模子很好地進修到了兩個類型間的變換聯系，也更好地保護了變換后的圖像的品德。然而CycleGAN的換臉功效并不如何好，它究竟是一個對一切類型的圖像通用的本領。

輿論地方：https://arxiv.org/abs/1703.10593

Face2Face

Face2Face不妨說是一次「規范的、規則的」的試驗，它借助dlib和OpenCV，開始人臉檢驗和測定器檢驗和測定出源圖片中的人臉、找到人臉上的要害標志點，而后再運用對準人臉的pix2pix變換模子把要害標志點變換為目的人臉圖像。大概是由于這個本領沒有給深度進修留住充滿的表現空間，以是它的功效也普遍般。

博客地方：https://towardsdatascience.com/face2face-a-pix2pix-demo-that-mimics-the-facial-expression-of-the-german-chancellor-b6771d65bf66

在此之后，英偉達和UC伯克利的接洽職員們按照pix2pix矯正出了pix2pixHD，提高了人臉圖像的天生功效，并且也仍舊維持了原pix2pix模子的多類型通用本領。輿論地方：https://arxiv.org/abs/1711.11585，開源地方https://github.com/NVIDIA/pix2pixHD。

DeepFakes

最熾熱、最廣為傳播的深度進修換臉模子無疑是DeepFakes。展示于2017年終的DeepFakes是一個深度機動編解碼器模子（Autoencoder-Decoder），經過用源人物和目的人物的幾百張像片（越多越好）演練模子辨別辨別、恢復兩人面部的本領。結果用源人物的像片搭配目的人物的解碼器就不妨實行變換。它也目視頻到視頻的變換有杰出扶助。

DeepFakes的缺陷在乎，它沒轍在小樣品上處事，表示著沒轍憑一兩張像片替代大肆兩部分的臉部；模子的演練進程也須要耗費洪量資源。

DeepFakes方才公然時也僅限于本領喜好者們之間交談，也并沒有頒布正式的輿論。但少許蓋爾·加朵的換臉動圖一下子引爆了關心。本年年頭已經熱炒的「楊冪換臉朱茵」視頻也很大概是用這個本領實行的，由于DeepFakes中的源代碼器過程充滿的演練后真實不妨具備將大肆輸出人臉（比方朱茵的人臉）變換為高品質、高傳神度的目的人臉（楊冪人臉）的本領。

DeepFakes的GitHub地方為https://github.com/deepfakes/faceswap，

此刻它還在連接革新晉級；厥后推出了還名為FakeApp的桌面運用步調，便于更多TensorFlow玩不轉的小白用戶試驗。雷鋒網深度領會作品拜見深度解密換臉運用Deepfake.

一張像片變換面部舉措

DeepFakes式的「把目的圖像中的人臉換成另一張臉」大概將來也很難減小樣品數目要乞降資源訴求，以是也有另一種思緒，那即是給定一張人臉圖像，而后按照給定的舉措讓圖中的人「動起來」。三星莫斯科AI接洽重心共同斯科爾科沃科學本領接洽地方本年5月公布的一篇輿論就帶來了不錯的截止。不只是真人的像片，她們以至不妨讓油畫中的人天然地啟齒談話。

輿論地方：https://arxiv.org/abs/1905.08233