国内最专业的IT技术学习网

UI设计

当前位置:主页 > UI设计 >

AI换脸常见方法细说从头

发布时间:2019/09/02标签:   三星    点击量:

原标题:AI换脸常见方法细说从头
「AI 换脸」这几天又热起来了。雷锋网(大众号:雷锋网) AI 科技批评承袭以往的作风,从技巧角度简略回忆一下近几年主要的 AI 换脸技巧。Cycle GANCycle GAN 能够说是全部人脸转换实验主要晚期实验。在抗衡性天生式收集(GANs)的风潮中,各人发觉只有给定源种别的样本和目的种别的样本,GANs 能够便利地进修到两个种别之间的转换关联,就自然地实用于「图象到图象转换」成绩,比方统一张景致照的冬季到炎天、一匹马到一匹斑马;Cycle GAN 中心思绪在于,假如能从源转换到目的、还能从源转换返来,便可以以为模子很好地进修到了两个种别间的转换关联,也更好地保障了转换后的图象的品德。不外 Cycle GAN 的换脸后果并不怎样好,它究竟是一个对全部种别的图象通用的方式。论文地点AI换脸常见方法细说从头 Face2FaceFace2Face 能够说是一次「尺度的、规则的」的实验,它借助 dlib 和 OpenCV,起首人脸检测器检测出源图片中的人脸、找到人脸上的要害标志点,而后再应用针对人脸的 pix2pix 转换模子把要害标志点转换为目的人脸图象。兴许是由于这个方式没有给深度进修留下充足的施展空间,以是它的后果也个别般。博客地点在此以后,英伟达和 UC 伯克利的研讨职员们依据 pix2pix 改良出了 pix2pixHD,晋升了人脸图象的天生后果,并且也依旧坚持了原 pix2pix 模子的多种别通用才能。论文地点,开源地点。DeepFakes最炽热、最广为传播的深度进修换脸模子无疑是 DeepFakes。呈现于 2017 岁尾的 DeepFakes 是一个深度主动编解码器模子(Autoencoder-Decoder),经过用源人物和目的人物的几百张照片(越多越好)练习模子分辨辨认、复原两人脸部的才能。最初用源人物的照片搭配目的人物的解码器便可以实现转换。它也对视频到视频的转换有精良支撑。DeepFakes 的毛病在于,它无奈在小样本上任务,象征着无奈凭一两张照片调换恣意两团体的面部;模子的练习进程也须要耗费大批资本。DeepFakes 方才公然时也仅限于技巧喜好者们之间交换,也并没有公布正式的论文。但一些盖尔·加朵的换脸动图一下子引爆了存眷。往年年终已经热炒的「杨幂换脸朱茵」视频也很能够是用这个方式完成的,由于 DeepFakes 中的编码器经由充足的练习后确切可能存在将恣意输出人脸(比方朱茵的人脸)转换为高品质、高真切度的目的人脸(杨幂人脸)的才能。DeepFakes 的 GitHub 地点为 https://github.com/deepfakes/faceswap,现在它还在连续更新进级;厥后推出了还名为 FakeApp 的桌面利用顺序,便于更多 TensorFlow 玩不转的小白用户实验。雷锋网深度剖析文章拜见 一张照片转换脸部举措DeepFakes 式的「把目的图象中的人脸换成另一张脸」能够将来也很难减小样本数目请求和资本请求,以是也有另一种思绪,那就是给定一张人脸图象,而后依据给定的举措让图中的人「动起来」。三星莫斯科 AI 研讨核心结合斯科尔科沃迷信技巧研讨地点往年 5 月宣布的一篇论文就带来了不错的成果。不只是真人的照片,他们乃至能够让油画中的人天然地启齿谈话。论文地点以上提到的论文和博客 PDF 打包本文转自雷锋网,如需转载请至雷锋网官网请求受权。【编纂推举】5s换脸吴彦祖!爆红AI利用ZAO仍面对技巧窘境,你的“脸”被受权了吗?滴滴开源 AoE:一种疾速集成 AI 的终端运转情况 SDK李开复:为甚么我以为“AI+”有四阶段28岁,应不该该从一般工程师转行到AI?AI换脸背地的技巧攻防战【义务编纂:未丽燕 TEL:(010)68476606】 点赞 0

上一篇:大数据在智慧城市建设中的深度应用

下一篇:没有了

返回
版权信息Copyright ? IT技术教程 版权所有??? ICP备案编号:鲁ICP备09013610号