这些假脸实在太逼真了!英伟达造出新一代 GAN,生成壁纸级高清大图毫无破绽
不敢相信,上面这些人脸,全都是假的。
是英伟达的 AI 生成的。
借用风格迁移的思路,团队为 GAN 创造了一种新的生成器。
连 GAN 之父 Goodfellow 老师也忍不住发推称赞优秀!
这个结构不需要人类监督,可以自动分离图像中的各种属性。这样,在或粗糙或精细的不同尺度上,人类便能自如地控制 GAN 的生成。
另外,英伟达的人脸生成模型,支持 1024 x 1024 的高清大图生成。毕竟,GAN 从小吃的是高清数据集。团队还说,数据集很快就要开源了。
实际效果展示
人物自然,背景自然,边缘又自然。足以骗过我这个普通人类的肉眼了。
输入两张图,图 A 决定生成人物的性别,年龄,头发长度,以及姿势;一张决定其他一切因素:比如肤色、发色、衣服颜色等等。
这样,就可以把图 B 的一部分人物特征,迁移到图 A 上了:
不过,人脸的朝向和表情,还是 A 的。
就算人种发生剧烈变化,也丝毫不会违和。你看,把非裔人类的脸部特征 “移植” 给四位白种人,嘴唇的厚度、鼻子的形态,以及额头,都有明显的变化。
再来看看从不同尺度调节的效果吧。
这是粗糙尺度 (Coarse Styles) ,也是三种尺度中最大规模的调整,会涉及脸部朝向的变化,脸型和发型也是在这里调整的:
然后看看中间尺度 (Middle Styles) ,调整仅限于面部特征和发色发量了,姿势、发型、脸型都不会有明显变化:
再来就是精细尺度 (Fine Styles) ,只是调整图像的配色,几乎不会给人物变脸了:
全新的生成器
我们前面说过,这个 GAN 不用人类监督,就可以自动分割图像里的各种部分。
经过训练,它就可以把这些部分,按照一定的方式组合到一起。
具体怎么组合呢:
这种新的生成器,像风格迁移算法一样,把一张图像,看做许多风格 (Styles) 的集合。
每种风格都会在一个不同的尺度 (Scale) 上控制图像的效果:
粗糙 (Coarse Styles) :姿势、头发、脸型。
中度 (Middle Styles) :面部特征、眼睛。
精细 (Fine Styles) :配色。
三者组合在一起,才是最终的生成结果。
调节不同 “风格”,就可以在不同尺度上调节人脸图片。
另外,这只 GAN 还可以自动把那些无关紧要的变化 (Inconsequential Variation) 剔除出去。
所谓无关紧要,就是说画面发生了变化,但看上去主角还是原来的主角。
粗糙的噪音:如大尺度上的卷发程度。
精细的噪音:更加精细的细节,如质地等。
无噪音:没有特征的、像画画一样的样子 (Featurelessly “painterly” look) 。
相同图片,输入不同的噪音,效果就不一样。
人类也可以选择,每种 Style 的强度 (Strength) 多大。
选择高强度 (High Strength) 的话,生成的图像就会比较多样化,但生成坏图也会有一些。
如果是低强度 (Low Strength) ,生成的图像之间不会有太多变化,但也几乎不会出现坏图。
从结构上来看,这个新的生成器是这样的:
传统的图像生成器仅通过输入层提供潜在编码(Latent Code),英伟达从一开始就舍弃了这种设计方案。
就像上图展示的那样,他们设计的新生成器先将输入从潜在空间 Z 映射到中间的潜在空间 W,将映射网络生成结果输入到下一层。在生成网络 g 每次卷积运算之后,加入高斯噪声(Gaussian noise),也就是图像的随机变化。
图像在不同尺度上的 “风格”,就是由上面的每个卷积层控制的,它实现了直接控制各层级的图像特征强度(Strength)。
从生成图像中的随机自动变化中。它可以无监督地从中分离出图像的 “风格”。
发布更强人脸数据集
除了发布图像生成算法外,英伟达从 Flickr 中选取了 7 万张 1024×1024 分辨率的照片,形成了一个新的人脸数据集 FFHQ(Flickr-Faces-HQ)。
它能提供了高度多样化、高质量的人脸数据,并且涵盖了比现有高分辨率数据集(如 CelebA-HQ)更多的变化,比如更多佩戴眼镜、帽子的照片。
英伟达将在不久后公开提供此数据集,并放出源代码和预训练网络。
最后,给广大猫奴们送出福利。英伟达的图片生成器不仅能用于人脸,研究人员还用 LSUN 数据集造出了很多猫咪的图片。
你能看出它们都是假的吗?
本文来自微信公众号量子位(ID:QbitAI),作者为栗子、晓查,爱范儿经授权发布,文章为作者观点,不代表爱范儿立场。