AI 让朱茵秒变杨幂，但我拒绝成为波多野结衣

欠盛意思了，一篇文章带了三个热门：朱茵、杨幂以及波多野结衣。

我就说吃瓜群众泛泛要多存眷科技消息，一个在科技界已经降生了一年多的“老技能”Deepfake 居然由于“明星换脸”的视频火出了圈。

因由是这样的：一个热心网友运用 Deepfake 把《射雕好汉传》里黄蓉的脸由朱茵酿成了杨幂，然后这个小视频就在网上火了，一些酸溜溜的评述就出来了：

呵，我们杨密斯早就拿过国际影后了好吗。

言归正传，视频里换脸后人脸的外观、心情都一样，动起来的结果也很真实，险些看不出马脚。高阶的换脸技能也引来了一些惊愕：“怎么实现的换脸？假如这一技能被用在其他处所，会怎么样？我会不会被别人假意了都不知道？”

不消惊愕，由于早就产生了。

AI 换脸术降生后，造出了无数假视频，而且还被用到了建造“不行描写”视频，各类“不行描写”视频被换上了好莱坞女星的脸，好比《神奇女侠》的女主角盖尔·加朵( Cal Gadot )的脸就被嫁接到一个成人影戏女星的身上。

以是，在视频里化身波多野结衣也不是不行能？这种“想看谁演AV就看谁演AV”的技能仿佛还真有点伤害，不外雷锋网作为一个优越的科技媒体，已经报道了太多关于 Deepfake 的消息，让我们回首一下：

一、换脸术在技能上怎样实现？

博客平台“medium”有位作者就描写了把尼古拉斯凯奇的脸，放在川普的头上的进程，最后结果如下↓↓↓

雷锋网发明，实现这个结果分三步：

1.网络凯奇的照片并选摘要修改的视频地区。

因为只需换脸，以是第一步就是要辨认图片上的脸部，找到要替代的位置，确定偏向和巨细。如下图，就像照片的像素一样，此刻的人脸被解析为许多个像素，你要找出替代的像素地区。

2.行使偏向梯度直方图（简称HOG）获得凯奇的脸部特性。

把梯度偏向均匀分别为多个区间，在每个单位内里对全部像素的梯度偏向，在各个偏向区间举办直方图统计，获得一个多维的特性向量，每相邻的单位组成一个区间，把一个区间内的特性向量联起来获得多维的特性向量，，用区间对样本图像举办扫描，扫描步长为一个单位。最后将全部块的特性串联起来，就获得了人脸的特性。

3.行使特性数据，实习一个自动编码器。

自动编码器是一种神经收集进修器材（深度进修背后的计较体系）。

通过在方针图片上实习模子，以担保纵然输入的是一个差异的面目，模子也会把它转换本钱来的面目。此刻可以在方针视频中辨认人脸（视频只是一堆图片），然后通过实习模子将川普转换为凯奇。

最后，归并图像，大功告成。

原文：除了一键天生明星色情片，“AI 换脸术”的应用场景尚有许多

二、详解技能细节

Deepfake 的整个流程包罗三步，一是提取数据，二是实习，三是转换。个中第一和第三步都必要用到数据预处理赏罚，其它第三步还用到了图片融合技能。以是我在技能上首要分三个方面来分解：图像预处理赏罚、收集模子、图像融合。

1. 图像预处理赏罚

从大图（或视频）中辨认，并抠出人脸图像，原版用的是 dlib 中的人脸辨认库（这个辨认模块可替代），这个库不只能定位人脸，并且还可以给出人脸的 36 个要害点坐标，按照这些坐标能计较人脸的角度，最终抠出来的人脸是摆正后的人脸。

2. 收集模子

Encoder: 64x64x3->8x8x512
x = input_
x = conv(128)(x)
x = conv(256)(x)
x = conv(512)(x)
x = conv(1024)(x)
x = Dense(ENCODER_DIM)(Flatten()(x))
x = Dense(4 * 4 * 1024)(x)
x = Reshape((4, 4, 1024))(x)
x = upscale(512)(x)

Decoder：8x8x512->64x64x3
x = input_
x = upscale(256)(x)
x = upscale(128)(x)
x = upscale(64)(x)
x = Conv2D(3, kernel_size=5, padding='same', activation='sigmoid')(x)

整个收集并不伟大，无非就是卷积加全毗连，编码->解码，可是细心研究后发明作者着实是另具匠心的，为什么我不急着说，我们先看看 con 和 upscale 的内部实现：

def conv(filters):
def block(x):
x = Conv2D(filters, kernel_size=5, strides=2, padding='same')(x)
x = LeakyReLU(0.1)(x)
return x
return blockdef upscale(filters):
def block(x):
x = Conv2D(filters * 4, kernel_size=3, padding='same')(x)
x = LeakyReLU(0.1)(x)
x = PixelShuffler()(x)
return x
return block

conv 是中规中矩的卷积加 relu 激活函数，upscale 中有个函数叫 PixelShuffler，这个函数很故意思，其成果是将 filter 的巨细变为原本的 1/4，让后让高 h、宽 w 各变为原本的两倍，这也就是为什么前面的卷积层的 filter 要乘以 4 的缘故起因。

颠末测试比拟，好比拿掉 upscale 换成步长为 2 的反卷积，可能简朴 resize 为原本的两倍，尝试的结果都大打折扣，功效是收集只能自编码，而得不到必要的人脸。固然作者没有嗣魅这样计划是引用那篇论文的头脑，笔者也未读到过直接接头这个题目的论文，可是有一篇论文可以佐证：Deep Image Prior，包罗 Encoder 中的全毗连层都是工钱打乱图像的空间依靠性，增进进修的难度，从而使收集可以或许越发充实地领略图像。以是 Encoder 中的全毗连层和 PixelShuffler 都是必不行少的。经笔者测试，在不加 Gan 的环境下，去掉这两个要素，收集一定失败。

3. 图像融合

图像融合放在技能难点说明中接头。

原文：深度解密换脸应用 Deepfake

三、“AI 换脸术”还能怎么用

除了被用于色情内容，这项技能着实大概还应该有更宽泛的应用场景。

好比在影戏《速率与豪情7》中，主演保罗·沃克在 2013 年 11 月因车祸逝世，其时影戏还没有拍完，

其时外界揣摩也许会有三种补充方案，一，原脚本拍摄，找替人，行使 CGI 殊效，让沃克花招“演”完。 二，从头修改脚本，把保罗所扮演的脚色写死，可能让他消散。三，从头找男一号，重头拍摄。

在其时，后两种本钱都很高，修改脚本，把保罗所扮演的脚色写死，穷乏对死者和影迷的尊重。而假如从头拍摄，丧失太惨重。

最终，制片公司找到了保罗的弟弟，让他扮演保罗的脚色，然后用 CGI 举措捕获技能，加上保罗之前拍过但没行使的素材，把弟弟的脸酿成保罗的脸，观众在看影戏时根基看不出来。

假如这部影戏放在本日，也容许以实行文章开头所用的技能。

着实，关于相同人工智能技能在视频建造规模的应用，以建造图形处理赏罚器而有名的英伟达已经在实行了，客岁12月，它就宣布了一款图像算法，可以改变视频中的气候或时刻。

汽车显着行驶在阳光亮媚的阶梯上，而颠末 AI 的改变，视频居然泛起出了夜晚的情况。不只汽车的尾灯清楚豁亮，就连本来没有路灯的阶梯两旁，都呈现了真实的灯光结果。

时刻再往前推，在2016年，尚有一项更牛气的技能，一位来自德国纽伦堡大学的传授 Justus Thies 教育团队，做了一个能及时举办面部转换的模子，叫Face2Face。

行使者选择一个方针脚色，好比川普，Face2Face会将他和川普的面部特性重构并追踪，当他做出一个面部心情时，好比大张嘴，模子会从头渲染川普的脸的外形和光影，并对配景举办修改。

他们还拿普京做方针，结果看来也不错。

原文：除了一键天生明星色情片，“AI 换脸术”的应用场景尚有许多

四、DeepFake 此刻怎么样了

谁被调和都能接管，你偏偏跟我嗣魅这次是GitHub？差池差池，这也对不上号呀！为啥这么说？我们先来看看GitHub是个啥吧：

（编辑：湖南网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!