首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

AI无法识别?这里有个方法

选自arXiv 作者:Andreas Rossler 等 机器之心编译 参与:路、淑婷 人脸编辑技术的发展和广泛使用引起人们对隐私安全等的担忧,如 DeepFakes 可以实现视频,且逼真程度很高,...比如,DeepFakes 展示了如何使用计算机图形学和视觉技术进行视频,进而破坏别人的声誉。人脸是目前视觉内容操纵方法的主要兴趣点,这有很多原因。...最著名、最广泛的身份编辑技术是(face swapping)。这些技术流行的根源在于其轻量级特性,方便在手机上运行。...与改变表情不同,身份操纵方法将一个人的换到另一个人的面部。因此,这个类别又叫。随着 Snapchat 等消费者级别应用的广泛使用,这类技术变得流行。...DeepFakes 也可以,但它使用了深度学习技术。尽管基于简单计算机图形学技术的脸可以实时运行,但 DeepFakes 需要为每一个视频对进行训练,这非常耗时。

3.6K40
  • 您找到你想要的搜索结果了吗?
    是的
    没有找到

    如何使用 Deepfakes 

    做这个的原因是因为我们主要关注的是,所以只需要获取脸部的特征,其他环境因素对换的影响并不大。 在面部抓取的过程完成后,我们可以得到所有脸部图片。...HOG特征结合SVM分类器已经被广泛应用于图像识别中。 此处脸部检测的一个简单过程如下: a. 首先使用黑白来表示一个图片,以此简化这个过程(因为我们并不需要颜色数据来检测一个脸部)。...转换人脸 在训练完模型后(损失值较低),可以使用以下命令对目标图进行: ....最后将转换后的人脸图片集合,合成一个视频: ffmpeg –i video-frame-%0d.png -c:v libx264 -vf “fps=25, format=yuv420p” out.mp4 下面是两个图...encoder学习如何将一个图片转化为面部特征值。 decoder A用于学习如何通过面部特征值重构图片A,decoder B用于学习如何通过面部特征值重构图片B。

    2.8K10

    AI 用来拍“大片”??

    AI 又一次刷爆了朋友圈 最近云毕业正当时,各家科技公司顺势推出了自己的 AI 技术,结果又被同学们玩坏了! 这件事绝不能少了业界大佬们! ?...仔细来看,AI 技术近些年还是成熟不少,整体的面部贴合度、细节处理都有了明显的提升。近日,Deepfake 领域再一次取得了重要突破。...局部融合更考验的技术难度。为了验证算法性能,研究人员他们没有对人脸的眼部、唇部等局部器官进行了融合,效果也是非常惊人。 ?...基于梳状模型的最新算法 那么这项 AI 技术是如何实现的呢?我们先来看一组完整的路径图: ?...人脸交换源的完整示意图 步骤 1 和 2:对源图像进行面部识别、特征提取,以及标准化剪裁(1024x1024); 步骤 3:将图像输入通用编码器进行模型训练; 步骤 4:将解码后输出的图像与需要匹配的目标进行多频带混合

    3.8K3329

    AI是什么魔鬼技术?

    讲到这种技术,在很早以前,网上流传着一句话,叫做有图有真相, 直到PS把人脸完美的换掉的时候,大家就觉得图片也许并不能代表真相,而代表真相的也许就剩下视频了。 ?...可是当时据制片方说,的成本太高,投资2亿美元的速7才拍了一半,面临进退两难,不过结果大家也看到了。 ?...这一技术出世后,被大量用到了明星脸上。 ? ? 当然这项技术诞生后,立马遭到大量网络用户抨击,因为技术, 可能会导致特别多的虚假视频出现,虚假新闻也会随之而来, 包括污蔑和诽谤的视频。...现在只需要在B站搜索AI,已经有许多的成品视频了, 有兴趣的话可以去搜索看一看。 任何一个新兴的技术诞生,都意味着科技的进步, 也许以后我们还可以看到李小龙的电影, 如果技术足够成熟的话。

    3.9K20

    AI 技术——DeepFakes 概述(二)

    相关文章:AI 技术——DeepFakes 概述(一) DeepFakes的“短板” 尽管DeepFakes所呈现出的结果让人很惊讶,但就现在来说,它的局限性还是很明显的: 首先,DeepFakes...因此视频比较适用于艺人,或者是那些在网上有大量照片的人。所以很明显,并不是任何人的人脸交换都是这么简单的。 其次,训练的数据必须要选择非常有代表性的图片。...DeepFakes的另一局限性在于,建立一个模型会消耗大量的时间和金钱。一般的效果大概需要48小时的训练,而一个相对不错的则需要大约72小时的训练才能达到。...GPU不仅能够加速核心模型的运行,还能加速人脸代码的识别(比如识别出这一帧中有没有需要交换的人脸)。我还没有尝试过仅在一个CPU上进行人脸交换,但我敢说仅在CPU上进行的速度肯定要慢得多。...但同时,这也引发了一些有趣的法律问题,比如所有权的归属问题,以及关于如何分割和使用其价格权利的商业问题。 ?

    5.1K70

    AI 技术——DeepFakes 概述(一)

    他利用了深度学习和AI新技术,在成人电影中把演员的替换成某个艺人的,从而制作成了这个看上去以假乱真的视频。...从视频发布以后的好几个星期,网络上不断有人发表文章和报道,抨击这一“”技术,称这种技术将会对社会产生很多负面的影响。...但是我们不能够因此完全否定这项技术的价值,我们应该好好思考,如何把它用上正道,发挥它的积极作用。 所以,在这篇文章中,我将会介绍这项AI技术的功能和原理,并且阐述其有发展前途的应用领域。...利用DeepFakes技术,你只需要一个GPU和一些训练数据,就能够制作出以假乱真的视频。...首先,我们给编码器输入了一张Jimmy扭曲的图片,并尝试用解码器A来重新还原他的,这就使得解码器A必须要学会在纷繁复杂的图片中识别并且还原出Jimmy的。 2.

    6.6K50

    AI 术「Deepfakes」进化简史

    Ian Goodfellow (@goodfellow_ian) 2019 年 1 月 15 日 GAN 发展简史 查阅 Goodfellow 链接中的学术论文,就能清楚看到 deepfake 技术是如何在新型...更重要的是,只需要参考几张照片,三星的 deepfake AI 就能实现出色的伪造效果。 几个月之后,以色列研究人员又推出了 GAN(FSGAN)。...这是一款 AI 驱动工具,可帮助记者检测出图像是否为 deepfakes。高通则力挺一家初创公司,能够以不可撤销的方式将原始照片及视频标记为“原创”,从而降低后续 deepfake 的识别难度。...Wombo AI 是从真实表演者的录制视频中学习知识,再将照片人物的与原始演唱者的表情匹配起来,由此完成视频制作。...这款程序能够在经过适当训练、或者接收到预训练 AI 模型之后,在实时视频中交换人脸。但要想获得这种实时功能,用户得拥有一块能支持 3A 游戏大作的高端显卡。

    4.1K40

    AI引起的“”问题,AI正在解决

    △ 艾玛·沃森被图 不过艾玛现在可以松口气了,AI引起的问题,现在,AI正在解决。...“猫抓老鼠” 作为Deepfakes视频最主要的素材来源平台,GIF动图和短视频共享网站Gfycat,基于平台上GIF搜索数据和工具,训练了两个AI模型,让它们来发现并与视频作斗争。...比如一些全新的没被标注过的内容,长毛猫Angora就不知如何下爪,但短毛猫Maru会区分、能标注,它可以通过霉霉的,为这段没被标注的“霉霉”打上Swift的标签——实际就是机器自动化标注的形式之一。...另外,如果短毛猫Maru识别到这个素材中主角跟某个名人很像,它也会发挥猫的细致,一帧帧扫“”,看是否有诈——毕竟再完美的造假,也很难在每一帧里达到天衣无缝。...最后,AI带来的影响还不止于此。 从Deepfakes出现、FakeApp走红开始,争议和讨论没有停歇,应对举措也没有停止。

    5.7K40

    【玩转GPU】手把手教你AI

    距上一篇【玩转GPU】手把手教你AI [前导篇]都好几天了,大家都期待下一篇。并且有同学私信我问我什么时候发布并且是什么内容。...的确这几天在忙研究另一个AI作画的软件(StableDiffusion),所以耽搁了。好吧。我们今天就直接上干货应用篇。在这个说之前希望未看上一篇的同学就点一下上一篇游览一下,并且将软件下载好。...其他目录就是过程存储目录,注意一点model目录是模型文件存放的地方,就是我们通过AI训练后的数据就存在这个目录。...6、AI进行训练。7、则进行 。8、则是将换好的合成为视频 步骤就这几步,当然执行每一步都会有会有细节询问,这里基本就一路回车可以了。...好吧,enjoy AI带来的巨变吧。。

    1.5K171

    教程 | 如何使用DeepFake实现视频

    机器之心发布 作者:冯沁原 不久之前,AV 视频明星的 DeepFake 火了。这篇文章将一步步教你如何实现。...如果你是第一次听说 DeepFake,一定要点击上面的视频,亲自感受一下尼古拉斯的如何占据全世界的每一个影片。 项目实战 我们要如何实现视频里的变脸呢?...因为视频是连续的图片,那么我们只需要把每一张图片中的切换了,就能得到变脸的新视频了。那么如何切换一个视频中的图片呢? 这需要我们 首先找到视频中的,然后把进行切换。...它将人脸分成了如下的区域: 眼睛 (左/右) 眉毛 (左/右) 鼻子 嘴 下巴 基于这些标记,我们不仅能够进行后续的,也能检测的具体形态,眨眼状态等。...但是 dlib 要求识别的必须是全,因此会减少我们的样本集以及一些特定的样本场景。同时,因为人脸是 64*64 像素的尺寸,因此也要处理清晰度的问题。

    9.8K30
    领券