AI模仿你的笔迹只需要一个字。Deepfake文字版来了。终于有人圆了我的小学梦！只需要拍下自己的笔迹，AI就可以帮我抄写英文作业，画风“一模一样”：帮别人抄作业也没问题……就是一批笔迹，价格动辄几十万的“工作神器”。咳咳，划重点：虽然功能很强大，但这可不是给你抄英语作业的。（功课你可要认真做啦！）这是FacebookAI最新出品的“文字样式画笔”（TextStyleBrush）。只需一张字迹照片，即可完美还原一整套文字笔迹。不仅可以用来转花花草，还可以凭空把“酱油瓶”变成“茶壶”：还可以直接实现样式更换，让里面所有的印刷字样果蔬店可以改成手写：从这个角度看，连照片文字都不一定是真的。比样式刷强：文本也可以更改。在实际使用中，TextStyleBrush真的是一个样式刷，需要刷到哪里就到哪里。它非常擅长模拟手写字体。只要输入一段文字内容，加上你的手写，1个字，就会生成一个“手写版”。这个效果真的是用肉眼和假货是分不开的！在将菜市场价签的印刷字符替换为手写字符的过程中，还可以识别非印刷字符的样本，自动跳过转换合成。△TextStyleBrush在两个手写标签都没有改变的情况下也表现不错，模拟特定的字体格式。包括海报、垃圾桶、路牌、饮料瓶、店面装饰……各种文字样式都可以处理：除了直观的效果，开发者还对合成图像进行了数据分析。TextStyleBrush生成的图片合成误差（MSE）大大降低，峰值信噪比（PSNR）和结构相似度（SSIM）也有很大提升。在文字识别的准确率方面，TextStyleBrush在三组数据集上都表现出色：准确率高达95%。用GAN改，文本真假难辨据Facebook介绍，“文本风格画笔”TextStyleBrush是一个基于自监督训练的模型，可以对文本内容相同的文本进行风格转换，只是像格式刷。当然，不仅仅是Word的格式刷，它甚至可以直接替换照片中的文字，所以模型还需要学习文字识别和图像分割的方法。△逆光场景不成问题。为了同时实现图像分割和文字风格转换，基于StyleGAN2设计了TextStyleBrush模型，可以生成非常逼真的图像照片。但是，StyleGAN2存在两个问题：首先，它生成图像的方式是“随机打”，即无法控制输出图像的特征。但是TextStyleBrush必须生成指定文本的图像。其次，StyleGAN2的整体风格不受控制，而TextStyleBrush中的风格涉及大量的信息组合，包括颜色、比例、风格转换等特征，甚至是具有个人特征的笔迹细节差异。为此，TextStyleBrush首先通过以文本信息和样式作为两个“附加条件”来控制模型的输出，解决了模型随机生成图片的问题。然后，为了进一步更精细地控制文本的风格特征，神经网络层中的各种风格信息也会被提取出来，并将这些信息注入到文本生成器中，从而可以从各种尺度进行分析（color,overallstyle,details)控制文本的样式。此外，由于不同的图像具有不同的分辨率，因此生成器还必须在该区域生成和替换具有相似分辨率的文本。为此，该模型添加了一个可以控制高低分辨率的结构，从而使生成的文本图像能够匹配输入图像的分辨率。就这样，更换前后字体清晰度不会有太大的区别：但与照片不同的是，文字的风格其实更自由，所以有时候画风的真伪就不好说了。为此，在训练时，Facebook引入了一种创新的自监督训练方法，将风格分类、文本识别（OCR）和GAN三种模型结合起来，保留输入的风格/文本内容，然后决定替换哪一个。比如在文字识别中，让TextStyleBrush生成一张文字图片后，模型会使用预训练好的文字识别结构，对图片的文字内容进行“判断”，并打分。事实证明，这样训练出来的模型真的很好用。网友：恶心真实？真担心。。。合成人脸做的太多了，合成手写还是第一次。而且效果非常好！因此，TextStyleBrush一经发布，就吸引了很多人围观。已经有网友开始想象它的用途：欢迎来到花式签名的世界！LeCun也转发了一波。不过，能看不能玩，实在是太难受了。手痒的网友过来问：TextStyleBrush会不会对外开放？这自然就引出了一个争议点：合成后的笔迹就足以造假，万一被滥用或恶意使用怎么办？假设任何人的笔迹都可以很容易地合成，那么在很多需要签名的场合呢？比如，有网友表示，如果连医生的“草书”药方都能仿出来……除了担心安全和隐私问题，这对字体设计者来说也不是什么好消息。毕竟，所有字体实际上都受版权保护。如果能被轻易模仿，那岂不是盗版满天飞，连作者自己都分不清真假了。有网友表示：这有点接近真假难辨的反乌托邦世界了……对此，Facebook的CTO回应：因为可能被用来伪造笔迹，所以我们只发布论文和数据集，来源代码不会开源。共享研究和数据集也更多地是为了防止Deepfakes的文本版本。你怎么认为？TextStyleBrush数据集：https://github.com/facebookresearch/IMGUR5K-Handwriting-Dataset论文地址：https://scontent-fml2-1.xx.fbcdn.net/v/t39.8562-6/10000000_944085403038430_3779849959048683283_n.pdf
