撰文 / 白静(Xi电子科技大学人工智能学院)
先来看看“换脸术”!
来源:B站up主学弟编辑
来源:B站up主流浪小屁蛋
啊!我的眼睛!!
哔哩哔哩的《狂飙》换脸视频层出不穷,网友们说可以狂飙,但不能乱飙…
如今,换脸的门槛越来越低,用视频很容易“大变活人”。
AI换脸到底是怎么回事?一起来看看!
“复制”一张脸
顾名思义,人脸交换技术就是在图像或视频中用另一张脸代替一张脸。该技术在电影制作领域并不是一个新词,它需要专业的视频编辑和特效专家花费大量的时间和精力来完成。
最近出现的换脸视频可以说是人脸交换技术的突破,人工智能记录A的面部关键信息,如下图所示的嘴、鼻子、眼睛等信息,并反复重建和自我完善,最终完全独立生成A的脸,模拟其大部分表情。下一步,当然很简单,只要把这张脸贴在任何视频中的B身上,“换脸”就完成了。这种技术的核心是复制一张脸。
人工智能收集的面部信息
从五官中取下表情
人工智能换脸的本质是把人的五官形象和表情分开。表情是五官在不同情绪下的形象,更多的是指五官的“动作”。一个人的五官和表情总是一体的,难以分割。然而,人工智能面部交换技术的出现告诉我们,面部特征的形象和表达是可以分离的。
人工智能面部变化的过程是:人工智能提前分析视频中面部特征的形状和位置;提供照片后,人工智能分析照片中面部特征的形状和位置;然后将照片中面部特征的形状和位置与视频进行比较。人脸交换一般可用于视频合成、隐私服务、肖像更换或其他创新应用。
最早的人脸交换是通过特征点匹配提取一张脸中的特征信息,如眉毛、眼睛等,然后匹配到另一张脸上。如今,只要有足够的图像数据,人工智能就可以将一个人脸压缩成一个代码和两个解码器。一个解码器可以恢复原始人脸,另一个可以生成新的人脸。
下图显示了一个女人换脸前后的对比图。左右姿势完全一致,但面部特征发生了变化。如果只看右图,很难看出是假图。
换脸对比图
不学习,不人工智能
现实中的机器人还没有科幻电影中那些夸张的能力,只能根据用户的行为做出一系列反应。
如今,人工智能通过“生成性对抗网络”“换脸”(Generative Adversarial Network)这种机器学习技术对现有的图片数据进行了深入的分析和学习,这种深度学习是当今人工智能研究的核心指导思想,也是机器人未来的发展方向。
人工智能已经进入了认知智能的新阶段
谷歌的AlphaGo战胜了人类世界冠军,因为他学到了大量的专业棋手棋谱,然后继续从自我游戏中学习和提高。因为微软小冰在互联网上学到了很多流行语,她可以用时尚活泼的聊天方式与用户交流。因为微软小冰在互联网上学到了很多流行语,她可以用时尚活泼的聊天方式与用户交流。大多数被宣传为人工智能的典型应用都有深度学习的技术基础,这似乎符合人类认知的特点——人类的智慧离不开成长过程中的不断学习。
当然,目前,机器的主流学习方法与人类的学习方法仍有很大差异。例如,当前的计算机视觉系统看到成千上万的自行车照片后,很容易区分什么是自行车,什么不是自行车,这需要大量的训练照片学习虽然看起来笨拙,但人类,给一个三四岁的孩子看自行车,甚至看到完全不同的自行车,十有八九的孩子可以判断这是一辆自行车。也就是说,人类的学习过程往往不需要大规模的训练数据。
也就是说,人类的学习过程往往不需要大规模的训练数据。
如果人工智能是一种可以学习的机器,那么未来需要改进的是让人工智能的抽象或归纳能力跟上人类的步伐,进入认知智能的新世界。
本文来自《知识就是力量》杂志,原标题《AI《换脸术》中的学习密码,作者白静,有删改,原创作品转载请注明来源。
主题测试文章,只做测试使用。发布者:艾迪号,转转请注明出处:https://www.cqaedi.cn/baike/125223.html