【PConline 雜談】各位是否還記得NVIDIA新一代StyleGAN？沒錯，它能生成以假亂真的虛擬人工臉。現在，NVIDIA已經將StyleGAN開源，一些“瘋狂”的開發者藉此繼續將其發揚光大——在線生成人工臉，圖像逼真到可怕。未來，我們在互聯網上看到的美女，可能根本就不存在於這個世界當中，不信你可以親自分辨看看！
近期，來自Uber的軟件工程師Philip Wang，利用NVIDIA的StyleGAN算法，並使用生成式對抗網絡（GAN）創建新的樣本，設計出一個網站ThisPersonDoesNotExist.com，每當訪問者刷新網頁後，網站便會生成一個全新的面部圖像，引來了廣泛的關注。
作為一種深度學習模型，生成式對抗網絡GAN是近年來複雜分佈上無監督學習最具前景的方法之一，目前GAN最常使用的地方就是圖像生成，模型通過框架中生成模型（Generative Model）和判別模型（Discriminative Model）兩個模型互相訓練，從而獲得更好的輸出效果。也就是說，一個（生成模型）試圖生成與真實照片無法區分的合成圖像，另一個（判別模型）試圖分辨出差異，經過幾周的訓練後，圖像創建網絡可以生成以假亂真的人臉了。
例如下面這一組照片，你能想到照片中的這些人臉都是由計算機生成嗎？↓
StyleGAN的優勢在於其使用了基於風格遷移的全新生成器架構，可以通過對樣式進行特定尺度的修改來控制圖像合成。如下圖所示，這裡我們將傳統生成器架構與基於風格的生成器架構進行對比。我們可以看到，在傳統生成器架構中，隱碼(Latent)是通過輸入層提供給生成器的，即前饋網絡的第一層；新架構則完全省略輸入層而從一個學習的常量開始，以脫離傳統設計，在輸入隱空間Z中，給定一個隱碼z，一個映射網絡f。
對此，英偉達的研究人員也在論文中寫到過，自己提出的新架構可以完成自動學習，無監督地分離高級屬性（例如在人臉上訓練時的姿勢和身份），以及生成圖像中的隨機變化，並且可以對合成進行更直觀且特定於比例的控制。
因此，新一代StyleGAN在生成和混合圖像，特別是人臉圖像時，可以更好地感知圖像之間有意義的變化，並且在各種尺度上針對這些變化做出引導。這也是它可以很好的控制髮色、眼睛與鼻子的大小、嘴型等臉部特徵的原因所在。當然，除了用在人身上外，該算法還能用於汽車、動物、風景等圖像的生成。
在StyleGAN之前，我們曾一度相信任何人都無法憑空地合成一張真人照片，也就是說一張照片上的人必定是來自現實中的某個人，即使是網上那些PS過度的照騙，儘管比本人差距較大，但它也一定來源於某個人。但現在，新的逆向機器學習算法打破了這一規則，它可以讓人們快速生成從未存在過的人的“合成照”，網絡上的身份可以輕鬆偽裝。
實際上，ThisPersonDoesNotExist.com網站也是為了讓我們注意到，使用GAN的正/反兩面。起正面意義在於，由於該算法可以製作人臉、動畫人物、風景等事物，因此能為電影從業者、插畫設計師等藝術工作者帶來極大的幫助，例如創建各種虛擬環境。
與此同時，合成如此逼真的人臉也引起不少人的恐慌，我們都怕它會成為下一個DeepFake。現在，“DeepFake”已被用於指代所有看起來或聽起來像真的，實則卻是假視頻或音頻。在這種技術濫用面前，我們每一個人都可能成為潛在的受害者。
文章的最後，我們說點輕鬆的，如果你對“猜真假”感興趣，可以訪問http://www.whichfaceisreal.com試試看，在真人與AI的合成照片中，你能猜中幾個？
誰是真人？
•••••••••••••••
答案是：左邊
閱讀更多 太平洋電腦網 的文章
