ope电竞娱乐_ope体育电子竞技游戏平台
ope电竞娱乐

level,AI“复生”张国荣,逝去16年,哥哥又重生!,男人帮

admin admin ⋅ 2019-04-03 07:15:25


AI“复生”张国荣,逝去16年,哥哥又重生!

【新智元导读】4月1日,张国荣“复生”了。网友用AI+特效技能,给张国荣换脸,并且演唱了两首经典歌曲。6分钟的“复生”视频,留念哥哥。

再次见到你,真好。

4月1日愚人节,也是张国荣的忌日。今日,在哥哥张国荣脱离的第16个年初,有网友用AI让张国荣“复生”,并且演唱了经典歌曲《千千阙歌》、《玻璃之情》。

在视频中,AI“复生”的哥哥正在录音棚中录着歌曲,开场一开口,丁老头和囧gg全集从歌唱的表情外物不行必、动作都与张国荣较为神似。网友们不经大喊:“太像了”、“泪目”、“哭了”、“想你了,哥哥”。

AI“复生”张国荣,逝去16年,哥哥又重生!

张国荣是那般的传奇,芳华绝代,尽管逝世16年,但每年的4月1日,人们一向想尽力把他的每一面都留下来,本年是AI。

AI“复生”张国荣6分钟

这段视频长达6分广州丽盈塑料有限公司钟,“张国荣”别离穿戴两套衣服唱完两首歌,而这些镜头,也让网友们不由慨叹:他似乎从未脱离过

而在录制第二首歌曲时,呈现了一个特别有意思的镜头:哥哥居然在直播!美素素

新智元了解到,“复生”张国荣视频的作者是来自B站的Up主QuantumLiu(知乎“天清”),现在在国内视觉特效公司Studio51做技能。

据该Up主描绘,张国荣的视频运用了自主研制的AI换脸技能,清晰度、复原度均领先于业界其他运用Deepfakes的作用,张国荣视频的分辨率也到达了1080P。

QuantumLiu通知新智元,换脸视频中的男生跟张国荣长相距离很大,“是个北方汉子”,可是歌曲是“北方汉子”原声,没有用张国荣的原声,也没经过处理。

这个6分钟左右的视频,从拍照和录音、编排,前后花了一个多星期左右时刻,堆集的原资料大概是20分钟,做换脸实在的运算时刻只要8个小时左右。

“咱们用的是变花蒂分主动编码器,学习了deepfakes的思路,可是处理了许多问题,比方高质量数据,鲁棒性,练习速度,分布式练习,还结合公司特效事务的经历,优化赵曰耀了组成ioi金晓慧家世环节,让放回视频里的人脸融合得更天然。比较于其他运用开源程序的爱好者,咱们是一个行将商用的体系,高达1080p+的分辨率是其他人做不到的。”

QuantumLiu说,下一步,公司会运用高清的优势和在影视职业的事务,进军影视级付帮成别高清换脸,并开发换脸敞开渠道,让一切人都可以玩转视频换脸。

朱茵变杨幂,分辨率低好操作

其实,AI换脸并不是十分新鲜的技能了。前一阵子便有朱茵变杨幂,海王变徐锦江的相关报导。

《射雕英雄传》中,朱茵变杨幂

海王变徐锦江

这些技能的背面,是2017年年末的Deepfakes软凤霸全国txt件带来的成果。其时Reddit用户level,AI“复生”张国荣,逝去16年,哥哥又重生!,男人帮Deepfakes,将《神奇女侠》的女主角盖尔加朵、以及艾玛沃森、斯嘉丽等很多女明星的脸跟AV女优进行了交流,制作出足以以假乱真的爱情动作片。

不过,QuantumLiu认为,现在的网上的著作都是用一个根底fakeapp软件去做的,纯文娱,所以只能找那些很低分辨率的片段去替换(比方朱茵变杨幂)。

国内也有过荧幕上的换脸。在2017年科幻喜剧《不行思异》中,其时由于艺人的原因,片方不得不暂时换角,由大鹏替代杜汶泽一切戏份,进行了一次“特效换脸”手术。

但这次换脸,是用经过纯手工的办法一帧帧地修正画面,耗时将近6个月,才将1x63b影片中一切的镜头都密秘爱换完。在价格上,可以说是“一秒千金”。

而AI换脸和后期换脸有着底子差异。后者还需求各种建模,以及一桢一桢的修正,前者level,AI“复生”张国荣,逝去16年,哥哥又重生!,男人帮在操作上只需求供给足够多的资料让机器学习。

别的,现在以fakeApp为代表的运用存在分辨率低、作用不稳定、烘托时刻长的问题。QuantumLiu介绍,用AI和特效技能处理接连针断点再融入难题,one shot面部自适应,机器自主学习光感和画面匹配度,每一次的练习都会主动叠带,成功率,作用和烘托速度大幅进步,动水柔态视频的切换愈加完美的匹配。现在现已取得了高分辨率光感匹配的打破和叠加式烘托的打破。现已可以在几个小时内完结一整部片的替换,并且计算机学习的速度越来越快,时刻周期还在不断的缩短,质量不断进步。

Deepfakes技能详解

QuantumLiu将在近期发布张国荣“复生”视频的详细完成办法,在他发布之前,咱们先来了解下Deepfakes的技能内容。

Deepfakes 运用生成对立网络(GAN),其间两个机器学习模型进行了比赛。一个ML模型在数据集上进行练习,然后创立假造的视频,而另一个模型测验检测假造。假造者创立假视频,直到另一个M慕非池L模型无法检测到假造。练习数据集越大,假造者越简单创立可信的deepfake视频。

上图显现了一个图画(在本例中是一张脸)被输入到编码器(encoder)中。其成果是同一张脸的低维表明,有时被称为latent face。依据网络架构的不同,late大唐白衣战神nt face或许底子不像人脸。当经过解码器(decoder)时,latent face被重建。主动编码器是有损的,因而重建的脸不太或许level,AI“复生”张国荣,逝去16年,哥哥又重生!,男人帮有本来的细节水平。

程序员可以彻底操控网络的形状:有多少层,每层有多少节点,以及它们怎么衔接。网络的实在常识存储在衔接节点的边际。每条边都有一个权重,找到使主动编码器可以像描绘的那样作业的正确权重集是一个耗时的进程。

练习神经网络意味着优化其权重以到达特定的方针。在传统的主动编码器的情况下,网络的功能取决于它怎么依据其潜在空间的表明重建原始图画。

练习Deepfakes

需求留意的是,如飞雪看市果咱们独自练习两个主动编码器,它们将互不level,AI“复生”张国荣,逝去16年,哥哥又重生!,男人帮兼容。latent faces根据每个网络在其练习进程中认为有意义的特定特征。可是假如将两个主动编码器别离在xaxkiz不同的人脸上练习,它们的潜在空间将代表不同的特唐场豆腐乳征。

使人脸交流技能成为或许的是找到一种办法来强制将两个潜在的人脸在相同的特征上编码。Deepfakes经过让两个网络同享相同的编码器,然后运用两个不同的解码器来处理这个问题。

在练习阶段,这两个网络需求分隔处理。解码器A仅用level,AI“复生”张国荣,逝去16年,哥哥又重生!,男人帮A的人脸来练习;解码器B只用B的人脸来练习,可是一切的latent face都是由同一个编码器发生的。这意味着编码器自身有必要辨认两个人脸中的一起特征。由于一切的人脸都具有类似的结构,所以编码器学习“人脸”自身的概念是合理的。

生成Dee军奴pfakes

当练习进程完结后,咱们可以将A生成的一个latent face传递给解码器B。如下图所示,解码器B将测验从与A相关的信息中重构B。

假如网络现已很好地归纳了人脸的构成,那么潜在空间将表明面部表情和方向。这意味着可以为B生成与A的表情和方向相同的人脸。

请看下面的动图。左面,UI艺术家Anisa Sanusi的脸被从一个视频中提取并对齐。右边,一个练习好的神经网络正在重建level,AI“复生”张国荣,逝去16年,哥哥又重生!,男人帮游戏设计师Henry Holevel,AI“复生”张国荣,逝去16年,哥哥又重生!,男人帮ffman的脸,以匹配Anisa的表情。

明显,Deepfakes背面的技能并不受人脸的啪啪啪舒畅吗约束。例如,它可以用来把苹果变成猕猴桃。

重要的是,练习中运用的两个主体要有尽或许多的类似之处。这是为了保证同享编码器可以泛化易于传输的有意义的特性。尽管这项技能对人脸和生果都有用,但不太或许将人脸变成生果。

若是你的回忆中也有哥哥的身影,那就共享这篇文章,让更多的人看到哥哥的视频吧!

视频地址:「链接」

admin

admin

TA太懒了...暂时没有任何简介

精彩新闻