有很多美顏方法可以讓你的照片看起來更好看，去掉紅眼或鏡頭閃光，磨皮，美白等等。但到目前為止，在拍照的時候正好“眨了下眼”，這種糟糕的情況是沒辦法用軟件來處理的。這可能會隨著Facebook的一項研究而改變，該研究以一種非常令人信服的方式用睜開的眼睛取代了閉著的眼睛。
這遠非智能“in-painting”的唯一例子，因為當一個程序在一個空間裡填滿它認為屬於它的東西時，它就會被調用。Adobe尤其充分利用了它的“上下文感知填充”（context-aware fill）功能，允許用戶無縫地替換不需要的圖像，並能準確地猜測如果沒有的話會出現什麼。
但有些功能超出了工具的替換能力，其中之一就是眼睛。它們的細節和高度多變的特性使得系統很難實際地改變或創建它們。
Facebook可能比歷史上任何其他公司都有更多的人眨眼的照片，它決定採取措施來解決這個問題。
它是通過生成性的對抗網絡來實現的，這本質上是一個機器學習系統，它試圖欺騙自己，讓自己認為它的創造物是真實的。在GAN中，系統的一部分學習識別，比如人臉，系統的另一部分反覆創建圖像，基於識別部分的反饋，真實性也逐漸增長。
從左到右:“範例”圖像、源圖像、Photoshop的開眼算法和Facebook的方法。
在這種情況下，網絡被訓練去識別和複製令人信服的睜開眼睛。這已經可以實現了，但是正如您在右邊的示例中看到的，現有的方法還需要一些東西。他們似乎在人們的眼中粘貼，沒有考慮到與圖像的其他部分的一致性。
機器是天真的：他們不能直觀的去理解睜開眼睛也不會改變周圍皮膚的顏色。(就此而言，他們對眼睛、顏色或其他任何東西都沒有直觀的理解。)
Facebook的研究人員所做的是包含“範例”數據，這些數據顯示了目標人睜開眼睛的樣子，GAN從中不僅瞭解了眼睛應該盯著這個人看的是什麼，還了解了這個人的眼睛是如何被塑造、著色的，等等。
結果是相當成功的：沒有顏色不匹配或明顯的拼接，因為網絡的識別部分知道那不是人的樣子。
在測試中，人們誤把假眼睛打開的照片當成真實的，或者有超過一半的時間他們不能確定哪個是哪個。當我在我的newsfeed中滾動瀏覽它時，我可能不會注意到照片的特別，除非我知道照片是被篡改過的。不過，甘地看起來有點奇怪。
在某些情況下，它仍然會失敗，比如：一個人的眼睛被一縷頭髮遮住了一部分，或者有時不能正確地再現顏色，就會產生一些奇怪的照片，但這些都是可以解決的問題。
你可以想象，在Facebook上有一個自動打開眼睛的工具，它可以檢查一個人的其他照片，並使用它們作為參考，以替換最新一張照片中的眨眼。這可能有點嚇人，但這對Facebook來說是相當標準的，至少它可以保存一到兩張照片。
閱讀更多 程序你好 的文章
