深度伪造技术的演变:从换脸到参数化编辑
本文介绍了深度伪造技术的几种常见类型,并着重介绍了最近出现的一种新技术——“Stitch”。
深度伪造技术的发展阶段:
- 经典换脸: 将A的人脸替换到B的人脸上。需要大量A的人脸数据,并进行长时间训练才能生成与B表情一致的A的人脸。Face Lab是制作此类深度伪造的常用工具。
- Dame Danne Meme: 将A的面部动作动画化到B的照片上。通过对齐两张脸部的特征点,将A的表情转移到B的照片上。如果特征点识别不准确或边缘合成不完美,会导致奇怪而有趣的图像动画。
- Stitch: 基于视频的面部编辑技术,可以进行各种面部参数化编辑,例如改变年龄、性别等。其技术难点在于如何保持视频的清晰度和自然度。
Stitch的优势:
- 参数化编辑: 可以对视频中的人脸进行参数化调整,例如改变年龄、性别等。
- 基于E4E编码器: 利用E4E编码器将人脸信息简化为参数,并通过解码器生成人脸。
E4E编码器的局限性:
- 有限的参数: 由于参数数量有限,无法表达世界上所有的人脸。
- 生成的图像与输入图像不完全一致: 编码后的图像难以完全还原输入图像。
结论:
深度伪造技术不断发展,从最初的换脸技术发展到现在的参数化编辑技术,其应用范围越来越广泛。随着技术的进步,深度伪造技术的应用可能会带来更多挑战和机遇。
Deepfakes 有太多含义,所以让我们来分解一下什么是原始的 deepfake 以及其他不同类型!在这个视频中,我还将介绍一篇新的论文,它允许你准确地编辑一个人的表情,并深入探讨了它的工作原理。请告诉我你的想法!