波多野结衣男人团_AI 让朱茵秒变杨幂，但我拒绝成为波多野结衣

不好意思，一篇文章带来了三个热点:、迷你杨和

我说吃瓜的人应该多注意科技新闻。一个在科技领域诞生了一年多的“老技术”深假，因为“明星变脸”的视频而进入了一个圈子造成

的原因是:一位热心的网民用深假把黄蓉的脸从《射雕英雄传》中的朱茵变成了迷你杨。然后这个小视频就在网上流行起来，有一些不好的评论出来了:

啊，我们杨小姐是不是已经获得了国际电影奖？

回到正题，视频中人脸变换后的轮廓和表情都是一样的，而且移动的效果非常真实，几乎看不出破绽。先进的变脸技术也引起了一些恐慌:“怎么变脸？如果这项技术被用在其他地方呢？我不知道我是否会被伪造。”

不必惊慌，因为它已经发生了

9年人工智能变脸诞生后，大量的假视频被创造出来，用来制作“难以形容”的视频。各种“难以形容”的视频已经变成了好莱坞女演员的面孔。例如，《神奇女侠》女主角卡尔·加多的脸被移植到了一个成年电影女演员的脸上。

所以在视频中体现波多野结衣并非不可能？这种“你可以随心所欲地播放影音”的技术看起来有点危险，但作为一个优秀的科技媒体，黑客频道已经报道了太多关于深假的新闻。让我们回顾一下:

博客平台“媒体”的作者描述了将尼古拉斯·凯奇的脸放在特朗普头上的过程。最后的效果如下:

家庭客频道发现有三个步骤可以达到这个效果:

1。收集凯奇的照片并选择要修改的视频区域

因为只需要更换人脸，所以第一步是识别图片上的人脸，找到要更换的位置，确定方向和尺寸如下图所示，就像照片中的像素一样，当前人脸被分解成许多像素。您需要找到替换像素区域。

2。凯奇的面部特征是使用方向梯度直方图(HOG)获得的

将梯度方向平均划分为多个区间，对每个单位和每个方向区间内所有像素的梯度方向进行直方图统计，得到多维特征向量，每个相邻单位形成一个区间，将区间内的特征向量进行组合，得到多维特征向量，用该区间扫描样本图像，扫描步长为一个单位最后，将所有块的特征串联起来，得到人脸的特征。

3。使用特征数据训练自动编码器

自动编码器是一种神经网络学习工具(深度学习背后的计算系统)

在目标图片上训练模型，以确保即使输入了不同的人脸，模型也会将其转换为原始人脸。现在，您可以在目标视频中识别人脸(视频只是一堆图片)，然后通过训练模型将特朗普转换成凯奇。

最后，合并图像，您就完成了。

原版:谁想看谁在玩影音，谁就玩影音。如果我的前男友用“人工智能变脸”来报复我，他会怎么做？

deep fax的整个过程包括三个步骤:第一步，数据提取，第二步，培训，第三步，转换第一步和第三步需要数据预处理，第三步也使用图像融合技术。所以我主要从图像预处理、网络模型和图像融合三个方面进行分析

1。图像预处理

从大图像(或视频)中识别并挑选人脸图像。原始版本使用dlib中的人脸识别库(该识别模块可以替换)。该库不仅能定位人脸，还能给出人脸36个关键点的坐标。根据这些坐标，可以计算出人脸的角度，最后拾取的人脸就是调整后的人脸。

2。网络型号

编码器:64x64x3->;8x8x512
x =输入_
x = conv(128)(x)
x = conv(256)(x)
x = conv(512)(x)
x = conv(1024)(x)
x =密集(ENCODER_DIM)(展平(x))
x =密集(4 * 4 * 1024)(x)
x =整形((4，4，1024))(x)
x =高档(55)64x64x3
x = input_
x =高档(256)(x)
x =高档(128)(x)
x =高档(64)(x)
x = Conv2D(3，kernel_size=5，padding='same '，Activation = ' sigmoid ')(x)

整个网络并不复杂，只不过是卷积加上完全连接和编码-& gt；解码，但经过仔细研究，发现作者实际上是巧妙的。为什么我不赶紧说，让我们看看con和升级的内部实现:

defconv(过滤器):
defblock (x):
x = conv2d(过滤器，内核大小= 5，步长=2，填充= '相同')(x)
x = leak(0.1)(x)
return x
return block def升级(过滤器):< br> def block(x):
x = Conv2D(过滤器* 4，内核大小高档餐厅里有一种叫做PixelShuffler的功能。这个函数非常有趣。它的功能是将过滤器的大小改为原始大小的1/4，然后使高度h和宽度w是原始大小的两倍。这就是前面卷积层中的滤波器应该乘以4的原因。测试并比较

。例如，如果用步长为2的反卷积来替换高档，或者如果简单的调整大小是原始大小的两倍，则实验效果会大大降低。因此，网络只能对自身进行编码，无法获得所需的人脸。虽然作者没有说设计是基于那篇论文的思想，而且作者也没有读过任何直接讨论这个问题的论文，但有一篇论文可以证明这一点:深度图像优先，包括编码器中的全连接层，是人为地干扰图像的空间依赖性，增加学习的难度，从而使网络能够更充分地理解图像。因此，编码器中的全连接层和PixelShuffler是必不可少的。根据作者的测试，如果去掉这两个元素，没有甘，网络肯定会失败。

3。图像融合

图像融合技术难点分析

除了用于色情内容，这项技术实际上可能有更广泛的应用场景

例如，在由保罗·沃克主演的电影《速度与激情7》中，保罗·沃克在2013年11月的一场车祸中丧生，当时电影还没有结束。当时，外界推测可能有三种方法来弥补。首先，拍摄原始脚本，寻找身体替身，并使用CGI特效来“玩”沃克的把戏。第二，重写剧本，把保罗的角色写死，或者让他消失第三，再次找到第一个英雄，再次开始拍摄。

当时，后两种费用都很高，修改剧本，把保罗的角色写死，缺乏对死者和粉丝的尊重然而，如果恢复射击，损失将会太大。

最后，制作公司找到保罗的弟弟，请他扮演保罗。然后，使用保罗之前拍摄但没有使用的CGI动作捕捉技术和材料，弟弟的脸变成了保罗的脸，观众在看电影时几乎看不到。< br>

如果电影今天上映，也许你可以尝试一下文章开头使用的技巧。

事实上，以制造图形处理器而闻名的英伟达已经在视频制作领域尝试过类似的人工智能技术。去年12月，它发布了一种图像算法，可以改变视频中的天气或时间。这辆

的车显然是在一条阳光充足的路上行驶，但是在人工智能改变之后，视频显示了晚上的场景。不仅汽车的尾灯清晰明亮，真正的照明效果也出现在没有路灯的道路两侧。

，2016年将会有更令人兴奋的技术。德国纽伦堡大学的教授贾斯特斯·提斯领导了这个团队，并制作了一个可以实时进行人脸转换的模型，名为Face2Face

用户选择一个目标字符，如特朗普。Face2Face重建并跟踪他和特朗普的面部特征。当他做面部表情时，比如大嘴巴，模型会重新渲染特朗普的脸形和光影，并修改背景。

他们也以普京为目标，效果似乎不错。

谁能被和谐所接受，你一定要告诉我这是GitHub吗？不，不，这不是正确的数字！你为什么这么说？让我们先来看看什么是gitHub:

寄宿家庭频道了解到GitHub是一个开源和私有软件项目的托管平台，因为它只支持Git作为托管的唯一版本库格式，因此得名GitHubDeepFake是GitHub的开源项目代码库，在正常情况下对公众开放，即使它还没有登录。然而，这是一个非黄色，非赌博和无毒的东西，是在黑客新闻的一篇帖子中透露的——当以未注册的方式访问深假的GitHub仓库时，页面的显示结果如下:

是，等待审查如上所述，DeepFake是一个开源项目代码库，但是现在它被提示进行审查。那不是“和谐”吗？为什么一个好的深度假如此“被对待”？在这方面，开发者在帖子栏发起了一场热烈的讨论，编辑将在文章的后面详细讨论。所以，可以肯定的是，这个深假开源项目真的很不寻常。它到底是做什么的？事实上，这里的程序代码真的能让人实现“变脸”的操作。

原创:深假怀疑审查，网友:这是

的应用会导致什么样的问题？

阿里安全图灵实验室高级算法专家高敖表示，除了变脸带来的道德伦理问题外，黑灰色生产还使用人工智能来变脸，这是目前常见的攻击方法。在人脸识别系统中，人脸变换技术称为活体检测技术，是一种攻防对抗技术，即人工智能用于解决人工智能攻击“

，例如，2017年11月下旬，阿里安全图灵实验室发现犯罪团伙使用3D软件控制面部照片进行攻击行动，发动了数百次攻击，导致近100名受害者的驾照被盗在通过3D合成“假面”认证账户注册或登录后，黑灰色生产人员可在受害者不知情的情况下被用于非法行为，例如假注册黑卡、刷账单、薅羊毛和欺诈。

是基于安全人工智能方法很好地解决了这个攻击问题。“通过深入的学习技巧和训练模式，他们可以通过纹理、肤色、反射等特征的差异来识别两者Kyaw-o说假人的脸可以在几毫秒内被拉出，目前的识别准确率为99.9%

勘探条

▼

真理条

▼

▼br >

-