近日，一则“AI生成逼真人像”的消息引发网络热议。据悉，每次刷新网站ThisPersonDoesNotExist.com，都会生成一张人脸图。但现实世界中，这个人根本不存在，因为图片是通过AI算法生成的。有软件研发工程师对媒体称，实际上，生成的人脸像还是基于某个人脸，“不是凭空变出来的”，而是通过计算机算法不断迭代升级而成。

这就涉及到一个关键技术——GAN。

生成对抗网络（GenerativeAdversarial Nets）在 Ian Goodfellow 等人2014年的论文《Generative Adversarial Nets》中提出，是非监督学习的一种方法，通过让两个神经网络相互博弈的方式进行学习。普通的“深度学习”可能已经为人熟知，如今在研究领域开始往更细的、更具体的方向发展，比如GAN。

GAN的结构示意图

2018年，英伟达推出了StyleGAN, 全新的生成器架构让这个“新一代GAN”生成的人脸真实到可怕。研究利用生成对抗网络（GANs）制作高分辨率图像，不但高画质、高品质，而且与真人无异。

不少科学家都研究利用人工智能进行影像创作，方法是先输入大量真实图像让AI学习，让其混合出独特的全图像。而GANs的网络系统分为Generator和Discriminator两部分：Generator负责随机混合创作一张图片，Discriminator负责分辨这张图片的真伪，若判别为不符合真实图片的标准，Generator便继续创作，直至Discriminator无法分辨便算成功。

缺点是AI的学习时间缓慢且品质不稳定，产生的照片往往变了“怪兽”。NVIDIA提出的解决方法是“循序渐进”，在让AI学习的过程中，有别以往一开始便用高分辨率照片，先用4x4低画质图，再逐渐增加解析度至1024x1024高解析度，成功加快AI学习效率，同时提升制成品的品质，他们利用3万张名人明星照片作基础，制作出来的高画质合成照与真人一模一样，而且能随意改变性别、肤色以至年龄，每一张看上去都根本是真人，哪会想到这个人原来根本不存在。

现在，StyleGAN已经开源，包括源代码和官方TensorFlow实现。

StyleGAN 架构

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；图B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。

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。

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。

代码实现参见：

https://github.com/NVlabs/stylegan

论文：https://arxiv.org/abs/1812.04948

随着加大学习量，AI基本上能创作“任何人”，而且毫无破绽看不出是个CG假人。配合动作捕捉（motion capture）制成影片的话，一个完美无暇的明星随即诞生，永远年轻永远美丽，也意味将来所有影像再没有可信性。

这个照骗可以说是真的照骗了。

参考来源：

• AI报告

• 知乎

征题正在火热进行中！

（晋级赛Q1即将于3月10日开启，敬请期待！）

公众号ID：ikanxue

官方微博：看雪安全

商务合作：wsc@kanxue.com