快捷搜索:

抖音特效火上炎搜,离不开这项能“大变活人”的 AI 技术

原标题:抖音特效火上炎搜,离不开这项能“大变活人”的 AI 技术

昨天,李荣浩又由于眼睛幼上炎搜了。

在名为 #特效都整不大李荣浩的眼睛# 的话题下面,有一个李荣浩杨丞琳二人结婚照的换脸视频,只见换脸后的李荣浩眼睛十足变成了一条线,孙红雷也转发微博“五十步乐百步”:

这个特效太甚分了,李师长,有人暗你!

这个特效太甚分了,李师长,有人暗你!

对此,网友的评论清一色成了“哈哈哈哈哈”。

郑重的人能够属意到了视频里的抖音 APP logo。没错!上面这个对幼眼睛群体不怎么友益的功能正是抖音新上线的「变身漫画」特效。

而在云云的真人一键变身漫画的成绩背后,是生成式对抗网络 GAN(Generative Adversarial Networks)。

一键打破次元壁

伸开全文

现在,抖音「变身漫画」特效荣登炎门挑衅榜的“本周实时榜”(2002 年 6 月 15-21 日)TOP 1,已有约 867.2 万用户操纵。

其中,不少明星拍了同款视频,玩法也是众栽众样。

比如陈赫拿入神似苍蝇拍的“奥秘钥匙”消弭二次元封印。

邓紫棋擦玻璃换脸。

张艺兴来一段 rap 的功夫已经不清新用手势在次元之间穿梭了众少回了。

进入二次元后,明星们的发型、五官等细节“神还原”,同时还众了一丝俏皮灵动。

不过,把真人变成漫画画风并不奇怪了。近几年特效拍照 APP 数见不鲜,用户想把图片、视频变成漫画风、古风、手绘风、油画风,甚至想换性别、变年龄,都不是题目。

生成式对抗网络 GAN

挑到换脸,就绕不开一项技术——生成式对抗网络 GAN。

雷锋网此前曾报道,GAN 行为一栽深度学习模型,是机器学习中一个较新的概念,首次展现于 2014 年 10 月前谷歌大脑著名科学家 Ian Goodfellow 及其团队发外的论文《对抗式生成网络》(Generative Adversarial Networks)中。

机器学习的模型分为生成模型(Generative Model)和判别模型(Discriminative Model)两栽,顾名思义,其各自的功能别离是按照数据集生成和判定。

而 Ian Goodfellow 之因而能成为“GANs 之父”,就在于创造性地挑出了一个经历对抗(Adversarial)推想生成模型的概念,同时训练生成模型和判别模型,让二者进走对抗,生成模型要尽能够地生成实在的图片往欺骗判别模型,与此同时判别模型也要尽量把生成模型生成的图片和原数据集区分开。

这一过程就像游玩中的两个玩家进走 battle,一路先两脸懵逼,公司荣誉末了“真理越辩越明”。这栽机器之间自愿的相互学习,能够说是专门智能了。

而 GAN 的栽类也不少,其中最常见的比如说Cycle GAN。

实际上,CycleGAN 是人脸转换早期的一个主要尝试,能从源转换到现在的,也能进走逆向转换,从而便捷地学习了两个类别之间的转换有关,也更益地保证了转换后的图像品质。

如上图所示,能把斑马变成马,那么即便是换个行为,马也能再次转换成斑马;同理,炎天能变冬天,换了场景后冬天也能够变回炎天。

固然上文所说的抖音动漫风换脸特效并未公开详细的技术新闻,但此前将人脸变为漫画现象的尝试实在用到了 CycleGAN,有关论文也在 2019 年 7 月登上了预印本平台 arXiv。

值得一挑的是,这项钻研行使的是所谓的 landmark assisted CycleGAN。

据论文介绍,这边的“landmark”不是吾们频繁说的“地标”,而是指面部特征,因而吾们能够将这栽技术理解为 CycleGAN 稀奇版——「有人脸特征辅助的 CycleGAN」。

技术如何,照样望望成绩(雷锋网注:右二列为 CycleGAN 生成;右一列由有人脸特征辅助的 CycleGAN 生成)。

实际中的美女变成了二次元幼萝莉。

型男生成的漫画现象望上往也不错。

此外,也有钻研团队曾基于 GAN,行使面部特征,将矮分辨率图像转换为高分辨率图像。感觉众年的老近视被治益了!

望到这边是不是想感叹一句真微妙?

其实还有更微妙的,比如大变活人。

这是西班牙一家互联网国际象棋棋盘制造商 REGIUM 网站上的员工幼我新闻页面,望上往犹如并异国什么变态。但实际上,框出来的四位工程师都是“伪人”,实际生活中并不存在。

雷锋网晓畅到,这些“人工人”来自国外一个造脸网站 this person does not exist.com,而这些照片也都是基于 GAN。

不过,随着换脸技术展现的还有诸众题目——比如曾经一夜爆火、三天凉凉的 ZAO APP 和在全世界周围内污名昭著的 Deepfake,都引首了各界的忧郁闷。

怎样相符理地行使这类换脸技术,是个必要思考的题目。

引用来源:

您可能还会对下面的文章感兴趣: