Samsung新技術:讓蒙娜麗莎開口「說話」
2019年05月26日08:42

  你有沒有想過,有一天蒙娜麗莎不只會神秘微笑,還會對你挑眉眨眼、娓娓而談?

  不止蒙娜麗莎,瑪麗蓮夢露也‘活’過來了,紅唇一張就開始說話,眼角眉梢風情萬種。

  還有只在物理書裡面看到過的愛因斯坦,你現在甚至能感受到科學道理正從他口中傾瀉而出……

  現在,你可能會以為這是什麼特效視頻里截取的畫面,但事實上,這些人物的動態視頻,都僅源於旁邊那一張照片。

  來自SamsungAI中心和莫斯科Skolkovo科學技術研究所的研究人員,成功地開發出了這個‘人像照變動態表情包’的AI系統,並於5月20日在 ArXiv.org 網站上公佈了他們的研究成果。

  前陣子鬧得沸沸揚揚的‘色情換臉’,需要大量人物的圖像信息再加原生視頻,才能生產出一個新的合成視頻,而這次SamsungAI只需基於一張肖像照片或一張畫像,就能讓裡面人物的面部表情都動得栩栩如生。

  雖然並非完美無瑕,但足以讓人產生信以為真的錯覺。

製作這個視頻並不容易。
製作這個視頻並不容易。

  因為人類的視覺思維對臉部細節極其敏感,因此每個微小部分,包括嘴巴的弧度、頭髮的輪廓、眨眼的速度都很難忽視。所以這套人工智能系統經過了一段漫長的訓練時光。

  研究人員從YouTube收集了7000張名人照片,提取其‘標誌性’的面部特徵,然後系統通過觀看大量人類說話的面孔和表情豐富的視頻進行學習。

▲‘讓照片動起來’的學習架構圖
▲‘讓照片動起來’的學習架構圖

  之後,人工智能系統就能將學到的內容應用到單張照片或多張照片上,高效地找到與系統學習的臉部相對應的部分,然後因人而異地針對新面部里各個的關鍵點,特別是眼睛、鼻子和嘴巴進行調整,最後達到最自然的動態效果。

  當可以使用的照片越多,視頻就會越加逼真,32個圖像,就足以讓視頻以假亂真。

  雖然仔細看,人物邊緣的地方依然有模糊的部分,不能識別的地方也只能用背景畫面粗糙填充,瑪麗蓮夢露的視頻還少了那顆標誌性的痣。而且,視頻也沒有聲音,動態只能呈現在面部,一張一合的嘴角就像一個練習生在唱Rap,但它依然是一個顛覆式的創新,簡單點說,實現了一鍵把JPG變GIF。

  研究人員表示,未來,這個AI系統將會被廣泛應用在視頻、遊戲、電視、電影,以及特效行業中,估計現在,它就已經被B站上的鬼畜藝術家盯上了。而單張或少量照片就能完成動態人像的速度和效率,也讓該模型更利於推廣。

  不過同時,這也意味著很快會有圖謀不軌之人利用臨時拚湊的工具來模仿它,進行群眾誤導或虛假詐騙,還有可能把一個人的人像照片製作出不可描述的動態表情,放在不可描述的身體上做不可描述的事情。

  儘管它還不足以引起Deepfakes‘色情換臉’那樣的風波,但它比起‘色情換臉’使用起來更簡易便捷,在人人都暴露無遺的互聯網時代,擔憂也並非沒有必要,只是現在還為時尚早。

  目前,該研究還處於簡單測試階段,複雜的神經網絡模型要變得輕量化也有重擔在後。不過就像哈利波特第一次去霍格沃茨魔法學校,看到那活了的石牆肖像而驚詫不已一樣,現在,它在現實里也成真了。

  接下來等待我們的,就是一個魔法世界。

  本文來自愛範兒

關注我們Facebook專頁
    相關新聞
      更多瀏覽