「AI 换脸」这几天又热起来了。雷锋网 AI 科技辩驳袭取以往的作风巨臀 twitter，从时代角度浮浅追究一下近几年紧迫的 AI 换脸时代。

Cycle GAN 可以说是通盘东说念主脸诊治尝试紧迫早期尝试。在回击性生成式收罗（GANs）的风潮中，行家发现惟有给定源类别的样本和推断类别的样本，GANs 可以方便地学习到两个类别之间的诊治相关，就自然地适用于「图像到图像诊治」问题，比如归并张步地照的冬天到夏天、一匹马到一匹斑马；Cycle GAN 中枢念念路在于，如若能从源诊治到推断、还能从源诊治转头，就可以合计模子很好地学习到了两个类别间的诊治相关，也更好地保证了诊治后的图像的品性。不外 Cycle GAN 的换脸遵守并不如何好，它毕竟是一个对通盘类别的图像通用的形态。

论文地址：https://arxiv.org/abs/1703.10593

Face2Face 可以说是一次「模范的、章程的」的尝试，它借助 dlib 和 OpenCV，率先东说念主脸检测器检测出源图片中的东说念主脸、找到东说念主脸上的要道绚丽点，然后再使用针对东说念主脸的 pix2pix 诊治模子把要道绚丽点诊治为推断东说念主脸图像。也许是因为这个形态莫得给深度学习留住裕如的发扬空间，是以它的遵守也一般般。

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

在此之后，英伟达和 UC 伯克利的参议东说念主员们左证 pix2pix 窜改出了 pix2pixHD，普及了东说念主脸图像的生收遵守，并且也依然保抓了原 pix2pix 模子的多类别通用才能。论文地址：https://arxiv.org/abs/1711.11585，开源地址 https://github.com/NVIDIA/pix2pixHD。

最火热、最广为流传的深度学习换脸模子无疑是 DeepFakes。出现于 2017 年底的 DeepFakes 是一个深度自动编解码器模子（Autoencoder-Decoder），通过用源东说念主物和推断东说念主物的几百张相片（越多越好）检察模子永别识别、复原两东说念主面部的才能。终末用源东说念主物的相片搭配推断东说念主物的解码器就可以完成诊治。它也对视频到视频的诊治有精采撑抓。

DeepFakes 的过失在于，它无法在小样本上责任，意味着无法凭一两张相片替换放荡两个东说念主的脸部；模子的检察历程也需要破坏无数资源。

DeepFakes 刚刚公开时也仅限于时代青睐者们之间相易，也并莫得发布考究的论文。但一些盖尔·加朵的换脸动图一下子引爆了关爱。本年齿首如故热炒的「杨幂换脸朱茵」视频也很可能是用这个形态收场的，因为 DeepFakes 中的编码器经过裕如的检察后如实玩忽具有将放荡输入东说念主脸（比如朱茵的东说念主脸）诊治为高质料、高传神度的推断东说念主脸（杨幂东说念主脸）的才能。

DeepFakes 的 GitHub 地址为 https://github.com/deepfakes/faceswap，如今它还在抓续更新升级；自后推出了还名为 FakeApp 的桌面诈欺武艺，便于更多 TensorFlow 玩不转的小白用户尝试。雷锋网深度阐发著述参见 https://www.leiphone.com/news/201803/3yF2fTIdXAStDKIa.html.

DeepFakes 式的「把推断图像中的东说念主脸换成另一张脸」可能改日也很难减小样本数目要乞降资源条件，是以也有另一种念念路，那等于给定一张东说念主脸图像，然后左证给定的当作让图中的东说念主「动起来」。三星莫斯科 AI 参议中心纠合斯科尔科沃科学时代参议地方本年 5 月发表的一篇论文就带来了可以的端正。不仅是真东说念主的相片，他们以致可以让油画中的东说念主当然地启齿语言。

论文地址：https://arxiv.org/abs/1905.08233

以上提到的论文和博客 PDF 打包：https://ai.yanxishe.com/page/resourceDetail/987

雷锋网 AI 科技辩驳整理

雷峰网原创著述，未经授权阻截转载。确定见转载应知。

巨臀 twitter