“    靜態(tài)人臉動起來，一張照片就能換臉！

關于蒙娜麗莎，

我們都很熟了。。

可是！

開口說話的蒙娜麗莎。。

你見過嗎？！

這可不是在開玩笑，

真的有人把她給做出來了~

眼睛、嘴巴和整個頭部都在動！

喋喋不休的蒙娜麗莎，

看上去就是個話癆家庭主婦。。

▼

還有這個，

略顯沮喪的蒙娜麗莎

▼

同樣，

愛因斯坦。。也坐不住了！

有些不情愿的愛因斯坦

▼

還有聊嗨了的愛因斯坦！

▼

再來看看這個，

這是一張女神夢露的照片：

她竟然開始說話了！

嘴角眉梢流露都是性感：

▼

妥妥滴風情萬種，

簡直就是活了~

▼

剩下的名人頭部動畫例子還有很多，達利、陀思妥耶夫斯基、戴珍珠耳環(huán)的少女以及 Wu Tang Clan 的 RZA等等。。

它們有一個共同特點：只需要一張人像圖片，無論是油畫還是照片，都能立馬動起來，照片變真人！四不四很神奇？！

原來，這些由一張圖片生成的視頻，是由三星莫斯科 AI 中心和 Skolkovo 科技研究所的研究人員用“深度偽造”（deep fake）技術賦予了生命！

研究人員稱這種學習方式為 few-shot learning 。該技術最神奇之處是完全無需 3D 建模，僅需一張圖片就能形成惟妙惟肖的動畫。

簡單來說，這套 AI 系統(tǒng)是將人物頭部圖片的面部特征和動作映射到一張照片上，使其栩栩如生。

研究人員使用 VoxCeleb2 視頻數(shù)據(jù)集進行元訓練（meta trainning）。具體來說，在元學習過程中，系統(tǒng)創(chuàng)建了三種神經(jīng)網(wǎng)絡：

“讓照片動起來”元學習架構

首先，嵌入式網(wǎng)絡映射輸入圖像中的眼睛、鼻子、嘴巴大小等信息，并將其轉(zhuǎn)換為向量；

其次，生成式網(wǎng)絡通過繪制人像的面部地標(face landmarks)來復制人在視頻中的面部表情；

第三，鑒別器網(wǎng)絡將來自輸入圖像的嵌入向量粘貼到目標視頻的 landmark 上，使輸入圖像能夠模擬視頻中的運動。

最后，評估“真實性得分”。該分數(shù)用于檢查源圖像與目標視頻中的姿態(tài)的匹配程度。

憑借這三種網(wǎng)絡，此系統(tǒng)就能在大型視頻數(shù)據(jù)集上執(zhí)行長時間的元學習過程。待元學習收斂后，就能構建 few-shot 或 one-shot 的神經(jīng)頭像特寫模型。

該模型將未見過的目標任務視為對抗學習問題，這樣就能利用已學習的高質(zhì)量生成器與判別器。

而且在把圖片中的人物變活后，你想用什么表情控制它，就可以用什么表情控制它，甚至控制畫風鬼畜一點的人像也不在話下~

當然，你要是覺得一張圖出來的效果有瑕疵，也可以用八張同一個人的照片，那這個效果就很鮮活了~

以這個胡子小哥為例    ：

然后讓他參照驅(qū)動序列即另一個人說話的視頻

就可以形成胡子小哥做出相同動作的視頻！

這是更加生猛的十六張照片生成的效果~

不得不承認，這樣的生成效果，幾乎看不出bug了。

一起來瞅瞅視頻吧：

整個算法是在一個公共數(shù)據(jù)庫上進行，這個數(shù)據(jù)庫包含了從YouTube上收集的7000張名人照片。

不得不說，這種技術太具有顛覆性了——一張圖像或畫作就合成了人物開口說話狀態(tài)的頭部動畫相信這個 AI 系統(tǒng)很快就會被廣泛應用在視頻、游戲、電視、電影等行業(yè)中。。

網(wǎng)友們對此的反應褒貶不一，

有人形容它就像在觀看天網(wǎng)的未來，

有人擔心：

這種難辨真假的 deepfake 技術的崛起，

有著巨大的被濫用的可能性。

蒙娜麗莎都給“復活”了，

那我們放在網(wǎng)絡上的照片是也會被。。。

對此，

你是咋看的呢？