近日，一段在《射雕英雄传》中朱茵饰演的“黄蓉”被换成杨幂脸的视频在网上引起热议。这是朱茵饰演的黄蓉：换成杨幂后：朱茵表情还是很生动，只是五官变成了杨幂，而且视频看上去完美无缺，让人以为是这个米演的。这一操作惊呆了网友，微博话题阅读量瞬间飙升至1.3亿。这种换脸技术看似“好玩”，但也有网友质疑是否侵犯了肖像权。27日，杨幂“换脸”视频制作方回应称，制作该视频的初衷是为了技术交流，不存在营利行为，但相关视频已下架，并表示说：“给大家一个警示，大家要尊重版权和肖像权，关注技术本身。”这种神奇的黑科技，叫做AI换脸！然而，如此先进的换脸技术却引起了无数网友的恐慌，“如何实现换脸？这种技术用在其他地方会怎么样？我会不会被别人造假？我都不知道？是吗？”现在的人脸识别技术还安全吗？”可怕的AI换脸技术其实早在两年前就从国外论坛流传开来，国内也有很多模仿者。比如有网友将女主播的脸换成了唐嫣、杨幂、刘亦菲等明星。你感到震惊吗？人工智能正以我们所有人都无法想象的速度在前进，颠覆着我们以往的认知……换脸哥用来制作这段逼真的视频的工具叫做Deepfake。这项人工智能技术在国外已经流行起来。一年多了。视频左侧为真实视频，右侧为Deepfake合成。过去，美国国防部将这项技术誉为人类对抗人工智能的军备竞赛的开端。它可以在保持人脸的同时，将视频中的人脸替换成其他人。肌肉运动协调，口型与声音相配。Deepfake合成后的“希拉里”什么是DeepFakes？最初，在Reddit网站上，一位用户名为“deepfakes”的网友发布了一段自己制作的换脸视频，将影片中的女主角换成了神奇女侠，短时间内吸引了大量的人气。使用他的屏幕名称作为技术名称。你见过盖尔加朵饰演《神奇女侠》的这一面吗？其实这是一段合成视频，并不是盖尔·加朵本人。取而代之的是通过机器学习技术建立了一个系统，让人工智能学习女明星的面部特征，然后将其合成成成人电影中女演员的头像。没过多久，同名算法就在GitHub上开源了，越来越多的deepfakes技术制作的视频上线。杰西卡阿尔巴、艾玛沃特森等好莱坞明星纷纷“换脸”。好莱坞影星已经“成功”。除了Reddit上的讨论，2018年1月，有人推出了FakeAppforWindows程序，大大降低了DeepFake的使用门槛。它可以让用户轻松制作换脸视频，即使你对人工智能一无所知。但deepfakes已经声名狼藉，因为许多用户使用它们来制作假视频，例如假政客的公开演讲。DeepFakes其实就是一种换脸技术，顾名思义，就是将一张图片或视频中的一张脸换成另一张脸。其实，换脸技术在电影制作领域并不是一个新词，但以往电影视频中的换脸非常复杂，需要专业的视频剪辑师和CGI专家花费大量的时间和精力才能完成视频中的人。换脸。我是《速度与激情 7》的保罗。电影还没拍完他就意外去世了，真是让人心痛。但后期通过CGI技术换脸呈现，让我们看到了岔路口告别的场景。DeepFakes的出现可以说是换脸技术的一次突破。使用DeepFakes技术，只需要一块GPU和一些训练数据就可以制作出假的换脸视频。这可以说是一个非常了不起的突破，因为你只需要将数百张人物样本图片输入到一个算法中，就可以完成换脸，创造出非常逼真的视频效果。即使你是一个对视频编辑一无所知的外行，你也可以做到这一点。DeepFakes的出现也意味着我们可以在视频中进行大规模的“换脸”。我们中的大多数人都曾一次性将自己的照片上传到互联网上，所以我们的大部分面孔都可以很容易地在一些视频中被替换，成为视频的“主角”。不得不说，这是一件非常可怕的事情，但也没有那么可怕，毕竟我们都接受过“照片欺骗”（photofraud）。DeepFakes的技术原理DeepFakes的核心是一个“自动编码器”。这个“自动编码器”实际上是一个深度神经网络，可以接收数据输入并将其压缩成一小段代码，然后从这段代码中学习。重新生成原始输入数据。在这个标准的自动编码器设置中，网络将尝试学习创建一种编码，网络可以从中重新生成原始输入图像。给定足够的图像数据，网络可以学习创建这种编码。DeepFakes有一个将人脸压缩成代码的编码器和两个解码器，一个将其还原为角色A（Fallon），另一个将其还原为角色B（Oliver）。下图可以帮助你理解：在这种情况下，使用的编码器是相同的，但是Fallon和Oliver的解码器不同。在训练过程中，将输入的人脸进行变形，模拟一个“这就是我们要得到的人脸”的概念。下面描述算法训练的三个步骤：首先，我们向编码器输入一张吉米变形后的脸的图片，并尝试使用解码器A来恢复他的脸，这使得解码器A不得不学习识别并恢复图片中吉米的脸.然后，Oliver扭曲的面部图像被输入同一个编码器，解码器B用于恢复Oliver的面部。我们不断重复上面的操作，直到两个解码器都可以还原出两个人的脸，而编码器也可以通过捕捉人脸的关键信息来学习区分吉米和奥利弗的脸。上述训练步骤完成后，我们可以将吉米的照片输入编码器，然后将代码直接传给解码器B，将吉米的脸换成奥利弗的脸。这就是通过训练模型换脸的全过程。解码器获取到吉米的人脸信息，然后将信息发送给解码器B，此时解码器B会做出如下响应：“这是另一条干扰信息，这不是奥利弗的脸，那我把你换成奥利弗。”一种算法可以仅通过查看图像就可以重新生成和还原许多图像，这听起来令人难以置信，但DeepFakes做到了，而且做得很好。为了避免彻底沦陷，Reddit只好关闭了Deepfake频道，其GitHub开源代码也被清空。推特迅速删除了相关内容，并屏蔽了相关内容的搜索。FakeApp官网目前也无法访问。2019年1月，荷兰DeepTrace实验室发布了一份关于DeepFake发展的报告。数据显示，2018年谷歌搜索关键词“deepfake”的次数相比2017年增长了1000倍。在deepfake诞生之前，视频换脸技术主要应用于电影拍摄，对技术和资金的要求相对较高投资。但现在，deepfake等深度学习技术的出现，大大降低了换脸的门槛，用户不仅利用它来编造针对政客的假新闻。这些假视频、假新闻的危害之大，这里就不多说了。而deepfake甚至在去年惊动了五角大楼。通过美国国防高级研究计划局（DARPA），他们委托美国各地的专家寻找检测各种视频真伪的方法。不久之后，DARPA开发了一种人工智能工具，可以自动检测换脸的假视频。根据假视频，它们一般不会表现出眨眼、呼吸和眼球运动等特征，识别准确率可达99%。假视频。相关论文和数据集：https://arxiv.org/abs/1901.08971https://github.com/ondyari/FaceForensics这项技术如今被越来越多的人使用，目的不明。在这种尖端技术面前，每个人都可能成为潜在的受害者。一旦被滥用，真实照片结合语音模拟器或语音合成系统可以生成任意“假新闻”，任何人都可以成为任何人。如今，眼见为实。对于如潮水般的新闻，我们还是要加强辨识度，不要照搬别人的说法。技术的滥用给当事人造成的伤害，给全社会带来的反作用，是人类对新技术缺乏敬畏所必须付出的代价。技术从来都是一把双刃剑。科技进步要真正成为我们的盔甲而不是我们的软肋，我们需要更多与时俱进的健全规则和法律保障。“图在萌芽，忧在后”。新技术的出现不断冲击着我们的法律观念和道德观念。只有提高应对能力，为可能出现的风险做好准备，才能让新技术走在正确的轨道上，不至于越出道德和法律的界限。“栅栏”。
