AI 換臉技術——DeepFakes 概述一

2017年12月，一個名為「DeepFakes」的用戶在Reddit上發布了一個「假視頻」，視頻中的藝人其實是後期加上的，但是看起來幾乎毫無破綻。他利用了深度學習和AI新技術，在成人電影中把演員的臉替換成某個藝人的臉，從而製作成了這個看上去以假亂真的視頻。

從視頻發布以後的好幾個星期，網路上不斷有人發表文章和報道，抨擊這一「換臉」技術，稱這種技術將會對社會產生很多負面的影響。比如說，這個「換臉」技術會給很多無辜清白的人（像那些無故出現在成人電影中的藝人）造成困擾；「假視頻」會加劇虛假新聞的散播，進而將大大損壞視頻作為證據的可信度。

確實，心懷不軌的人會利用這項技術做危害社會的事情。但是我們不能夠因此完全否定這項技術的價值，我們應該好好思考，如何把它用上正道，發揮它的積極作用。

所以，在這篇文章中，我將會介紹這項AI換臉技術的功能和原理，並且闡述其有發展前途的應用領域。

首先我們要先清楚什麼是DeepFakes？它能夠做什麼？

DeepFakes實際上是一種人臉交換技術，顧名思義，也就是在圖像或視頻中把一張臉替換成另一張臉。事實上，人臉交換技術在電影製作領域已經不是個新鮮詞了，但是之前電影視頻中的人臉交換非常複雜，專業的視頻剪輯師和CGI專家需要花費大量時間和精力才能完成視頻中的人臉交換。

DeepFakes的出現可以說是人臉交換技術的一個突破。利用DeepFakes技術，你只需要一個GPU和一些訓練數據，就能夠製作出以假亂真的換臉視頻。

這可以說是一個非常了不起的突破了，因為你只需要把上百張人物的樣圖輸入至一個演算法，就能完成人臉交換，製作出非常逼真的視頻效果。就算你是個對視頻剪輯一竅不通的外行，也能做到這樣。

DeepFakes的出現還意味著我們可以在視頻中進行大規模的「換臉」。我們大多數人都曾經把自己的照片上傳到網路上，因此，我們大多數人的臉都能夠輕易地被替換到一些視頻中，成為視頻的「主角」。不得不說，這是件非常可怕的事情，但這也並不那麼值得恐慌，畢竟我們大家早已接受了「照騙」。

「面部定製」已經不是什麼新鮮事了：在《星球大戰》中，CGI（計算機圖像生成）技術根據一名女演員的臉塑造了年輕時期的Carrie Fisher的形象。女演員臉上的點是用來進行精準的面部繪製的。，

DeepFakes能夠讓你在沒有任何技巧的情況下完成這樣的「面部定製」，但DeepFakes可不是「面部定製」。

在討論如何使用DeepFakes之前，我想先解決這樣的問題：DeepFakes究竟能夠做些什麼？它的技術原理是什麼？

為了了解其工作原理，我選了Jimmy Fallon和John Oliver主持的節目視頻作為分析案例。Jimmy Fallon和John Oliver是兩位非常受歡迎的晚間節目主持人，網路上有大量他們的節目視頻。這些視頻的亮度變化差不多，主持人在視頻中的動作和姿勢也很相似，這些相似性有利於降低分析的受干擾程度。但視頻同時又存在大量的變化（例如主持人嘴唇的變化），這樣又能夠保證分析的趣味性。

很幸運，我找到了一個包含了原始DeepFakes編碼和很多DeepFakes改進版編碼的GitHub。這個GitHub使用起來相當簡單，但是目前還處於訓練數據收集和準備的階段。

為了讓我們的分析實驗更簡單，我寫了一個能夠直接在YouTube視頻上運行的腳本，這樣一來，數據的收集和預處理工作就變得輕鬆多了，視頻轉換也只需一步就能完成。點擊此處查看我的GitHub報告，看看我是如何輕鬆地製作下面這個視頻的（我還分享了我的模型數據）。

簡單來說，這個腳本需要你給需要進行人臉交換的人各自準備一個YouTube視頻集，然後運行命令來對視頻進行預處理（從YouTube下載視頻、提取各個視頻的幀、找出視頻中的人臉）和訓練，並將其轉換為音頻和可調整大小的選項等。

到目前為止，DeepFakes還沒到完美的程度，但其呈現出的效果已經相當令人滿意了。關鍵是我事先並沒有對視頻做過任何改動，全是演算法的功勞——演算法通過觀察大量的圖片數據，學會製作出這樣以假亂真的換臉視頻。你一定也覺得非常神奇吧？那麼接下來，讓我們一起看看DeepFakes究竟是怎麼做到的。

DeepFakes的核心是一個「自動編碼器」，這個「自動編碼器」實際上是一個深度神經網路，它能夠接收數據輸入，並將其壓縮成一個小的編碼，然後從這個編碼中重新生成原始的輸入數據。

在這個標準的自動編碼器設置中，網路將嘗試學習創建一個編碼，從中網路能夠重新生成輸入的原始圖片。只要有足夠多的圖像數據，網路就能學會創建這種編碼。

DeepFakes讓一個編碼器把一個人臉壓縮成一個代碼和兩個解碼器，一個將其還原成人物A（Fallon），另一個還原成人物B（Oliver）。下面的圖能夠幫助你理解：

在這個案例中，使用的編碼器是一樣的，但是Fallon和Oliver的解碼器是不同的。在訓練的過程中，輸入的人臉會被扭曲，從而模擬一個「我們希望得到這樣的人臉」的概念。

下面我將介紹演算法訓練的三個步驟：

1. 首先，我們給編碼器輸入了一張Jimmy扭曲臉的圖片，並嘗試用解碼器A來重新還原他的臉，這就使得解碼器A必須要學會在紛繁複雜的圖片中識別並且還原出Jimmy的臉。

2. 然後，把Oliver扭曲臉的圖片輸入至同一個編碼器，並用解碼器B來還原Oliver的臉。

3. 我們不斷重複上面的操作，直到兩個解碼器能夠分別還原出兩個人的臉，同時編碼器也能夠學會通過抓取人臉關鍵信息，從而分辨出Jimmy和Oliver的臉。

等到以上的訓練步驟都完成以後，我們就能把一張Jimmy的照片輸入至編碼器，然後直接把代碼傳輸至解碼器B，將Jimmy的臉換成Oliver的臉。

這就是我們通過訓練模型完成換臉的全過程。解碼器獲取了Jimmy的臉部信息，然後把信息交給解碼器B，這時候解碼器B會作出這樣的反應：「這又是一條幹擾信息，這不是Oliver的臉，那麼我就把你換成Oliver吧。」

一條演算法僅通過觀察許多圖片就能夠再次生成、還原這些圖片，這聽起來挺不可思議的，但DeepFakes確確實實做到了，而且效果還相當不錯

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！