快捷搜索:  as

一张照片“换脸”突然爆火 近几年重要的AI换脸

「AI换脸」这几天又热起来了。我们秉承以往的风格,从技巧角度简单回首一下近几年紧张的AI换脸技巧。

Cycle GAN

Cycle GAN?可以说是所有人脸转换考试测验紧张早期考试测验。在抗衡性天生式收集(GANs)的风潮中,大年夜家发明只要给定源类其余样本和目标类其余样本,GANs?可以便捷地进修到两个种别之间的转换关系,就天然地适用于「图像到图像转换」问题,比犹如一张风景照的冬天到夏天、一匹马到一匹斑马;Cycle GAN 核心思路在于,假如能从源转换到目标、还能从源转换回来,就可以觉得模型很好地进修到了两个种别间的转换关系,也更好地包管了转换后的图像的品德。不过?Cycle?GAN?的换脸效果并不怎么好,它终究是一个对所有类其余图像通用的措施。

Face2Face

Face2Face可以说是一次「标准的、规矩的」的考试测验,它借助 dlib?和?OpenCV,首祖先脸检测器检测出源图片中的人脸、找到人脸上的关键标记点,然后再应用针对人脸的pix2pix转换模型把关键标记点转换为目标人脸图像。大概是由于这个措施没有给深度进修留下足够的发挥空间,以是它的效果也一样平常般。

博客地址:点此。

在此之后,英伟达和UC伯克利的钻研职员们根据pix2pix改收支了pix2pixHD,提升了人脸图像的天生效果,而且也依然维持了原pix2pix模型的多种别通用能力。

DeepFakes

最火热、最广为传布的深度进修换脸模型无疑是?DeepFakes。呈现于2017?岁尾的 DeepFakes?是一个深度自动编解码器模型(Autoencoder-Decoder),经由过程用源人物和目标人物的几百张照片(越多越好)练习模型分手识别、还原两人面部的能力。着末用源人物的照片搭配目标人物的解码器就可以完成转换。它也对视频到视频的转换有优越支持。

DeepFakes的毛病在于,它无法在小样本上事情,意味着无法凭一两张照片调换随意率性两小我的脸部;模型的练习历程也必要耗损大年夜量资本。

DeepFakes刚刚公开时也仅限于技巧喜欢者们之间交流,也并没有宣布正式的论文。但一些盖尔·加朵的换脸动图一会儿引爆了关注。今年事首?年月曾经热炒的「杨幂换脸朱茵」视频也很可能是用这个措施实现的,由于?DeepFakes?中的编码器颠末足够的练习后确凿能够具有将随意率性输入人脸(比如朱茵的人脸)转换为高质量、高逼真度的目标人脸(杨幂人脸)的能力。

如今它还在持续更新进级;后来推出了还名为 FakeApp 的桌面利用法度榜样,便于更多TensorFlow玩不转的小白用户考试测验。

一张照片转换面部动作

DeepFakes 式的「把目标图像中的人脸换成另一张脸」可能未来也很难减小样本数量请乞降资本要求,以是也有另一种思路,那便是给定一张人脸图像,然后根据给定的动作让图中的人「动起来」。三星莫斯科 AI 钻研中间联合斯科尔科沃科学技巧钻研所在今年 5月颁发的一篇论文就带来了不错的结果。不仅是真人的照片,他们以致可以让油画中的人自然地开口措辞。

您可能还会对下面的文章感兴趣: