昨天，李荣浩因为小眼睛再次上了热搜。在#特效不是李荣浩眼睛大#的话题下，有一段李荣浩和杨丞琳结婚照的变脸视频。变脸之后，李荣浩的眼睛完全变成了一条线。孙红雷也在微博转发“五十步笑百步”：这个特效太过分了，李老师，有人黑你了！对此，网友们的评论都变成了“哈哈哈哈”。细心的人可能已经注意到视频中的抖音APP标志。这是正确的！以上这个对小眼族不太友好的功能，是抖音新推出的“变身漫画”特效。而这种一键将真人变成漫画的效果背后是生成对抗网络GAN（GenerativeAdversarialNetworks）。一键打破次元壁目前，抖音《变身漫画》特效在人气挑战榜“周实时榜”（2002年6月15-21日）中排名TOP1，以及已被约867.2万用户使用。其中，很多明星都拍摄过同一个视频，玩法也是五花八门。比如陈赫拿出一把苍蝇拍一样的“神秘钥匙”来解除二次元封印。邓紫棋擦了擦玻璃，变了脸色。张艺兴说唱了一段时间，无数次用手势穿梭于次元空间。进入二次元后，明星的发型、五官等细节“还原”，同时多了一丝俏皮灵动。然而，将真人变成漫画风格的情况并不少见。近年来，特效相机APP层出不穷。用户将图片、视频改成漫画风、古风风、手绘风、油画风，甚至改变性别、年龄都不是问题。生成对抗网络GAN说到换脸，有一个技术绕不开——生成对抗网络GAN。雷锋网（公众号：雷锋网）此前报道称，GAN作为一种深度学习模型，在机器学习中是一个比较新的概念。在论文《对抗式生成网络》（生成对抗网络）中。机器学习模型分为两种类型：生成模型和判别模型。顾名思义，它们各自的作用就是根据数据集进行生成和判断。IanGoodfellow之所以能成为“GANs之父”，是因为他创造性地提出了通过对抗（Adversarial）来估计生成模型的概念，同时训练生成模型和判别模型，让两者对抗彼此。生成模型要尽量生成真实的图片来欺骗判别模型，同时判别模型要尽量区分生成模型生成的图片和原始数据集。这个过程就像一场游戏中两个玩家之间的战斗。开始的时候，两人的脸都糊涂了，到最后“真相越来越清晰”。这种机器之间自发的相互学习可以说是非常智能的。GAN的种类也很多，其中最常见的是CycleGAN。事实上，CycleGAN是早期人脸转换的一次重要尝试。可以从source转换到target，也可以进行逆向转换，方便学习两个类之间的转换关系，也更好的保证了转换。画面质量。如上图所示，如果你能把斑马变成马，那么即使你改变动作，马也可以再次变成斑马；同理，夏天可以变冬天，冬天也可以换场景变回夏天。虽然上述的抖音动漫风格的换脸特效没有透露具体的技术信息，但此前尝试将人脸变成漫画图像的尝试确实使用了CycleGAN，相关论文也在7月份的pre-release中发表2019.打印平台arXiv。值得一提的是，这项研究利用了所谓的界标辅助CycleGAN。根据论文，这里的“地标”并不是我们常说的“地标”，而是指面部特征，因此我们可以将这项技术理解为CycleGAN的特殊版本——“面部特征辅助的CycleGAN”。技术如何，先看效果（雷锋网注：右边第二列是CycleGAN生成的；右边第一列是CycleGAN辅助人脸特征生成的）。现实中的美女变成了二次元小萝莉。Sportsman生成的漫画看起来也不错。此外，一些研究团队已经使用面部特征将低分辨率图像转换为基于GAN的高分辨率图像。感觉多年的老近视都治好了！看到这里，是不是想感叹太神奇了？其实还有更神奇的事情，比如众生大转。这是西班牙互联网棋盘厂商REGIUM网站上的员工资料页面，看起来并没有什么异常。但实际上，被陷害的四名工程师都是“假人”，在现实生活中并不存在。雷锋网了解到，这些“人造人”来自国外的造脸网站thispersondoesnotexist.com，而这些照片也是基于GAN制作的。然而，随着换脸技术的出现，也存在着不少问题——比如曾经一夜爆火、凉了三天的ZAOAPP，以及在全球臭名昭著的Deepfake，都引起了各界的关注生活。如何合理利用这种换脸技术，是需要思考的问题。
