冏了!換臉特效做不出來?讓人工智慧來英雄救美~(下)
原來這 人工智慧 換臉技術不是十全十美,這篇告訴你它有哪些需要改進的地方? 首個百萬畫素換臉方法 研究團隊提出了一個漸進式訓練的梳狀模型（comb model），並配合編碼器進行模型訓練。 ▲ Disney Research 公開之換臉過程示意圖。(圖片擷取自 Disney Research) 步驟 1：對原始圖像 xt 進行臉部檢測辨識，並提取關鍵點。 步驟 2：將人臉分辨率歸一化（即標準化剪裁）為 1024×1024 像素，並保存歸一化參數。 步驟 3：將步驟 1、2 預處理好的圖像輸入編碼器中，用相應的解碼器解碼。 步驟 4：使用步驟 2 保存的歸一化參數，在圖像「x˜_s」上反轉圖像歸一化結果，將生成的圖像與原始圖像 xt 進行多頻帶混合，得到人臉交換的成果圖像。 而畫素方面，研究團隊表示他們曾使用開源 deepfake 模型 DeepFakeLab，但成果影像的分辨率最高只到 256×256 像素。而研究團隊所採用的漸進式、對原始圖像進行預訓練的方法可從中提取出較高解析度圖像。下圖可看出經過訓練模型，輸出的人臉畫素與效果都優於未經訓練的結果。 ▲圖爲迪士尼與 DeepFakes、DeepFaceLab 和 Nirkin 等換臉方法的效果對比。(圖片擷取自 Disney Research) 迪士尼換臉 AI 有待突破的缺點 儘管研究團隊證明在細節、解析度以及自然度上，迪士尼 AI 人工智慧 都優於其他換臉模型，但團隊也承認他們的技術存在明顯的侷限性。 如「有戴眼鏡的臉」無法穩定進行人臉交換，問題不在於眼鏡部分無法渲染，而是無法恰當捕捉到表情和姿勢。研究人員曾嘗試調整輸入源，但依然無法穩定掌握產出品質。還有，雖然人臉正面直視鏡頭的圖像換臉效果良好，但俯視、仰視或側面等人臉角度與特殊光源下的換臉，可能會導致不完善的生成結果，如模糊和僞影。 ▲ 換臉生成失敗示意圖。(圖片擷取自 Disney Research) 不過研究人員補充道，這類問題實際應用於電影場景中影響不大，除了此 人工智慧 ，亦可以經由其他方式解決。 未來當這項 AI 人工智慧 技術更加成熟，得以廣泛應用後，影視作品能有更逼真自然、栩栩...
