快科技|AI 技术，李荣浩“眼小”上热搜？换脸离不开这项能“大变活人”的昨天

昨天，李荣浩又因为眼睛小上热搜了。
在名为#特效都整不大李荣浩的眼睛#的话题下面，有一个李荣浩杨丞琳二人结婚照的换脸视频，只见换脸后的李荣浩眼睛完全变成了一条线，孙红雷也转发微博“五十步笑百步”：
这个特效太过分了，李先生，有人黑你！

文章图片
对此，网友的评论清一色成了“哈哈哈哈哈” 。

文章图片
细心的人可能留意到了视频里的抖音APPlogo 。没错！上面这个对小眼睛群体不怎么友好的功能正是抖音新上线的「变身漫画」特效。
而在这样的真人一键变身漫画的效果背后，是生成式对抗网络GAN（GenerativeAdversarialNetworks）。
一键打破次元壁
当前，抖音「变身漫画」特效荣登热门挑战榜的“本周实时榜”（2002年6月15-21日）TOP1 ，已有约867.2万用户使用。

文章图片
其中，不少明星拍了同款视频，玩法也是五花八门。
比如陈赫拿出神似苍蝇拍的“神秘钥匙”解除二次元封印。

文章图片
邓紫棋擦玻璃换脸。

文章图片
张艺兴来一段rap的功夫已经不知道用手势在次元之间穿梭了多少回了。

文章图片
进入二次元后，明星们的发型、五官等细节“神还原” ，同时还多了一丝俏皮灵动。
不过，把真人变成漫画画风并不稀奇了。近几年特效拍照APP层出不穷，用户想把图片、视频变成漫画风、古风、手绘风、油画风，甚至想换性别、变年龄，都不是问题。
生成式对抗网络GAN
提到换脸，就绕不开一项技术——生成式对抗网络GAN 。
雷锋网此前曾报道， GAN作为一种深度学习模型，是机器学习中一个较新的概念，首次出现于2014年10月前谷歌大脑著名科学家IanGoodfellow及其团队发表的论文《对抗式生成网络》（GenerativeAdversarialNetworks）中。
机器学习的模型分为生成模型（GenerativeModel）和判别模型（DiscriminativeModel）两种，顾名思义，其各自的功能分别是根据数据集生成和判断。
而IanGoodfellow之所以能成为“GANs之父” ，就在于创造性地提出了一个通过对抗（Adversarial）估计生成模型的概念，同时训练生成模型和判别模型，让二者进行对抗，生成模型要尽可能地生成真实的图片去欺骗判别模型，与此同时判别模型也要尽量把生成模型生成的图片和原数据集区分开。

文章图片
这一过程就像游戏中的两个玩家进行battle ，一开始两脸懵逼，最后“真理越辩越明” 。这种机器之间自发的相互学习，可以说是非常智能了。
而GAN的种类也不少，其中最常见的比如说CycleGAN 。
实际上， CycleGAN是人脸转换早期的一个重要尝试，能从源转换到目标，也能进行反向转换，从而便捷地学习了两个类别之间的转换关系，也更好地保证了转换后的图像品质。

文章图片
如上图所示，能把斑马变成马，那么即便是换个动作，马也能再次转换成斑马；同理，夏天能变冬天，换了场景后冬天也可以变回夏天。