deepfake ai智能换脸_AI换脸之后，智能去除马赛克视频工具被疯传，测试结果令人意外...

最新推荐文章于 2024-06-28 23:10:33 发布
最新推荐文章于 2024-06-28 23:10:33 发布
阅读量2.3k 收藏 7
点赞数
文章标签： deepfake ai智能换脸

AI换脸之后，智能去除马赛克视频工具被疯传，测试结果令人意外

未来10年，你觉得什么科技最能改变生活？是5G网络、智能驾驶、还是……或许在人工智能AI技术，也是其中的一员，因为人类将AI定位为下一个可以解放双手的生产工具，除了被广泛应用到工业自动化生产，其实AI软件已经开始出现在大家的生活中，比如在去年轰动国内的AI换脸软件ZAO，就曾风靡一时。

82efcec5bdb23a4ea2244e7b92773ce8.png

用过ZAO的人都知道，这是一款号称可以AI将自己的脸与喜欢的明星"P"到一起表演的软件，仅需大家把自己的照片传到ZAO上面，软件就会通过AI的方式让你"参演"电影片段。

其实在ZAO风靡的背后，国外早就流行一款名为Deepfakes，当然两款软件最后的命运都比较类似，同时引发外界对隐私问题的担忧和关注。不过关于AI技术的应用并未因此停止，市场上各种涉及隐私的软件也飞快被开发出来，比如"一键衣物去除"软件DeepNude。

7ec6ac51da866a4eef1a4a3806e8aa1c.png

为什么AI换脸换衣服的软件能够大受欢迎？其实都是因为开发者抓住当今人类喜欢猎奇的心理，同时也对未知事物充满兴趣。

当然也并不是每一款AI软件工具开发出来，都是为了娱乐大众做无聊的事情。科技向善一直是时代的发展方向，更是为了解决人类演化过程中遇到的各种障碍，所以AI技术自然也不是例外。

e44592ab3735079cb9fad083b04b6cb8.png

在视频方面，一款名为TeclGAN也在国外爆红并被疯传，这款软件号称可以通过AI的方式把视频中的"马赛克"处理掉。TeclGAN同样是一款基于AI深度学习的软件 ，主要的特点就是通过识别视频画面中的图像，并以此将学习到的模式不断提升单个元素的分辨率，用人话来说就是，TeclGAN能通过AI学习的方式，把模糊的视频变得更加清晰，不过是现在拍的还是以前拍摄的内容，同时还具有修补图像细节的能力。

dccd56626a43aaf7bcf458a6044ccd2c.png

那么TeclGAN去除马赛克的能力真的有开发人员说的那么强吗？国外有好奇的网友就下来在测试了。通过测试比较来看TeclGAN的去马赛克的性能还是可以的，处理过的视频视觉效果要比没处理得好不少。而出乎人们意料的是，如果把20世纪发布的一些老游戏进行处理 ，也可以提供游戏的分辨率，同时能增加游戏的细节和3D模型的复杂性。以后说不定魂斗罗、红警、坦克世界修复后，都能再度风靡。

除了TeclGAN，杜克大学最近也带来一个新的照片编辑工具PULSE，这同样是一款AI工具软件，可以将低像素的面孔变成逼真的图像。和TeclGAN一样，PULSE也依赖于机器学习能力，可以往低分辨率的图像中添加细节，可以在几秒之内，将16x 16像素的图像转换为1024x1024像素的图像。通俗来说就是，通过对比大量的真实人物数据，构建逼真的高清面部表情。当然这些算法功能不仅仅局限在人物，像医学，天文学，显微镜和卫星图像，PULSE都有用武之地。

907a2163490d5b8f130c2d2c15c93a89.png

人工智能其实还处于很早期的开发阶段，难免会出现各种可疑的问题，以至于许多人都会担忧是否未来AI技术会超越人类的能力，但就设计的初衷来讲它依然是为了解放劳动力的产物。而就这些去马赛克的工具类软件来说，不管是TeclGAN还是PULSE都是希望将更美好的世界呈现给大家，因为只有未来更加美好，AI才变得更加有意义。

对此，你觉得人工智能真的有好坏之分吗？

weixin_39858298
关注
盘点那些被AI换脸、一键“脱”衣所滥用的AI模型
Python爱好者的专栏
09-21 18万+
上周作者发布了一篇有关AI换脸的教程，不过令笔者始料未及的是一石激起千层浪，竟然有不少网友留言求所谓一键“脱”衣的教程。 虽然笔者对于技术的滥用深恶痛绝，但技术本身是中性的，并无好坏之分，从我上篇博文中也能看到“AI换脸”的门槛越来越低，目前其应用已经发展到几乎是随便什么人有个教程就能操作的地步了，所以想阻止这些滥用的技术，单靠封杀是不起了什么作用的，所以本文就回归...
3D、扩散模型、GAN、StyleGAN、MAE.等【face-swapping方法汇总】
zik的博客
05-25 2896
换脸是将一张脸的身份（肤色、面部皮肤、眉毛、眼睛、鼻子、嘴唇和嘴巴等）与另一张脸的非外观属性（表情、头部姿势、光照、图像分辨率、注释方向、头发、眼镜、耳朵、耳环、颈部和背景等非内部人脸区域）相结合，生成合成人脸。
AI换脸技术大比拼，Roop和DFL多维度对比！
s_develop的博客
08-18 3369
所以如果你要求不高，直接使用roop的默认清晰度，无论做视频还是实时换脸，都非常便捷。这里用“阿祖”年轻人时候的素材，然后外加了50%左右的形变，做到了是是而非的感觉。希望星球的朋友能获得独一份的内容，同时公众号上订阅我的人也能获取到很多新技术，新工具。在上面视频中，左边是Roop启用增强后的效果，右边是DFLive的效果。本来左边是我，右边是换脸后。为了防止我的脸再次上B站法制栏目，我就用Roop把左边脸也换了，顺带一起做了个人脸增强。而且我发现一个现象，roop是能改变脸型的，就是保持src的脸型。
AI视频换脸！最快的方法，100%成功，完全免费，无需配置、打开即用
xunbkvx的博客
05-29 698
这款工具不仅效果非常好，而且支持CPU和GPU解码，即使你的电脑上没有独立显卡，也可以通过CPU进行解码。不同于其他需要手动配置环境的AI工具，它让用户无需担心复杂的配置过程，只需打开软件，就可以开始使用。最后，按照软件的提示，进行AI视频换脸操作。总的来说，这款AI视频换脸工具以其简单易用、无需配置、免费开放的特点，成为了AI视频换脸领域的一款优秀工具。无论你是为了工作需要，还是出于个人兴趣，都可以尝试使用这款工具，体验AI视频换脸带来的魔力。无论是图像的清晰度，还是换脸的自然度，都能达到很高的水准。
Unity+OpenCV+Dlib实现换脸+图片生成+上传服务器+生成二维码[纯干货]
最新发布
Hello,World!
06-28 1458
使用Unity+OpenCV+Dlib实现换脸功能，融合生成图像，并安全上传至服务器，详细的原理说明和技术栈讲解，纯干货。
deepnode处理过的图片_PS？不用！图片处理有这几个网站就够了，小白也能轻松应用...
weixin_39639049的博客
11-12 3815
在做PPT的时候，难免需要插入一些图片，为了有更好的效果，我们都会将图片处理一下再应用到PPT中。说到处理图片，很多人第一反应是使用PS，PS处理图片是不错的选择，但是没有相关基础的人用起来并不是很简单。其实，处理图片不一定要用PS，有一些实用简单的网站的可以使用，比如以下这几个网站，可以很好地解决图片处理的问题。1.创客贴第一个，创客贴，这是一个可以免费设计模板、海报、公众号图片、名片、邀请函的...
TecoGAN图像增强
12-16 8097
环境windows 10 64-bitpython 3.7TecoGANtensorflow 1.15.0pytorch 1.7简介TecoGAN 是一个基于 GAN 的自监督学习的图像增...
OpenFaceSwap截取人脸报错
weixin_45322436的博客
08-27 1465
OpenFaceSwap截取人脸报错
ai人工智能让女神_让女孩进入人工智能管道
热门推荐
weixin_26632369的博客
08-26 8万+
ai人工智能让女神 缩小女孩的想象力差距 (Closing the Imagination Gap for Girls) The term artificial intelligence (AI) was coined 64 years ago at a scholarly conference. The AI field hasn’t remained the theoretical provi...
Deepfake安装调试心得
qq_36257407的博客
12-18 1万+
想用这个库来做AI智能脸部替换的，然后越挖越多，发现了很多自己以前不知道的东西 运行环境 不建议在自己电脑上运行，我的是mac但是光预处理就至少要花40小时（下载视频，然后把视频一帧帧截图，在进行人脸识别），更别提后面的train model了，整个电脑就废了 所以我的建议是： 1.你有自己的工作站，那当我前面的没说 2.找个云服务器，在那个上面跑程序 然后重要的就是环境配置，你先根据githu...
AI各领域项目-学习记录/笔记
07-29
为解决这些问题，引入了时间维度的概念，通过4D空间处理，比如超分辨率重构，来改善不清晰的图像，甚至有AI换脸技术，可以实现去马赛克效果，提高图像质量。 最后，AI的最新动向和发展表明，图模型和Transformer...
安卓版的node.js
05-02
io.tempage.dorynode包名，android 版直装 node.js自学，手机上的node.js服务器，javascript
2024年 毕业设计 机器学习&深度学习实战案例,含有python代码和教程 (7月10日已更新711篇)
sybh的博客
10-05 6427
10月促销价39.9,适合初学python机器学习深度学习的学生,从入门到精通,专栏内含有讲解,每篇文章都含有对应的代码,会持续更新,更新至千篇案例,已经更新六百多个项。
Unity技术分享之调用Youtu实现智能AI图像处理人脸识别,证照识别等
月儿圆
06-19 2607
Unity调用Youtu实现智能AI图像处理人脸识别,证照识别等
AI人脸识别的实现SDK
AI创世纪的博客
04-20 1743
当我们想要实现一个AI功能时，比如人脸识别，人脸比对，物体识别等等，如果从0开始开发AI模型，训练AI模型，直至部署到当前的项目中，势必会花费大量的人力以及时间。得益于近年人工智能领域的告诉发展， 许多成熟的AI模型已经开源，作为一名开发者不要重复造轮子，可以使用现有的成熟的AI模型来实现所需的AI功能。
市面上最好用的两款AI换脸开源神器
zyxpython的博客
05-07 4万+
当然了，他是可以提取两个视频的内容，然后将照片训练，最后将你需要换脸的视频传上去，最后将训练后的照片进行导出，导出过程很快，大概10几秒可以搞定，但是训练过程会慢一些，根据你自己的情况去训练，一般差点的显卡，比如cpu可能需要训练几天，gpu低端显卡可能也要2天左右，暂停后使用训练的模型去导出就可以了，非常好用，不过可以算是小白式的机器学习，不过是监督学习，需要有训练成果的，这一款软件后续应该也会进行迭代，期待他最新的功能。然后点击start，也就是开始，进入后可以使用上方的功能栏选中你想做的内容。
TecoGAN翻译
qq_38335768的博客
09-17 915
3、时间一致性的视频超分辨率 我们提出了一种针对VSR循环对抗训练方法，包括三个组件：循环生成器、流估计网络、时空鉴别器。 生成器G用于从低分辨率输入中循环生成高分辨率视频帧。 流估计网络F学习帧间运动补偿，以辅助生成器和时空鉴别器Ds,t 在训练期间，生成器和流估计网络一起训练，以欺骗时空鉴别器Ds,t 判别器是我们方法的核心部分，因为它可以考虑时间和空间两个方面，惩罚不切实际的、时间不连续的结果，没有过度平滑图像内容。 这样，就需要G来生成与之前帧一致的高频细节。 一旦经过训练，Ds,t的额外复杂性就
deepnode处理过的图片_使用 Node.js 在深度学习中做图片预处理
weixin_39892311的博客
11-23 1万+
背景最近在做一个和对象识别相关的项目，由于团队内技术栈偏向 JavaScript，在已经用 Python 和 Tensorflow 搭建好了对象识别服务器后，为了不再增加团队成员维护成本，所以尽可能将训练和识别之外的任务交给 Node.js 来做，今天要讲到的图片预处理就是其中之一。 这里对还不了解深度学习的人就几个概念做个简单的解释。1. 对象识别：对象识别可理解为计算机在一张图片中发现某个或某...
AI换脸——FaceFusion最新使用指南（附一键整合包)
翻肚鱼儿的博客
05-11 2591
AI换脸
请用python写一个AI换脸的模型
06-06
为了实现AI换脸，我们可以使用Python和一些深度学习库，例如PyTorch和OpenCV。下面是一个简单的AI换脸的模型，供参考： 首先，我们需要下载一个预训练的人脸识别模型和一个预训练的图像生成模型。这里我们可以使用OpenFace和StyleGAN2。 ```python # 下载预训练的人脸识别模型 !wget https://storage.cmusatyalab.org/openface-models/nn4.small2.v1.t7 # 下载预训练的StyleGAN2模型 !wget https://github.com/NVlabs/stylegan2-ada-pytorch/releases/download/pretrained/ffhq.pkl ``` 接下来，我们可以编写一个函数，使用OpenCV和人脸识别模型来检测图像中的人脸。 ```python import cv2 import dlib import torch import numpy as np # 加载人脸识别模型 face_detector = dlib.get_frontal_face_detector() face_encoder = dlib.face_recognition_model_v1("nn4.small2.v1.t7") def detect_faces(img): # 将图像转换为灰度图像 gray = cv2.cvtColor(img, cv2.COLOR_BGR2GRAY) # 检测人脸 faces = face_detector(gray, 1) # 提取每个人脸的编码 encodings = [] for face in faces: # 获取人脸区域的边界框 (x, y, w, h) = face_utils.rect_to_bb(face) # 提取人脸区域的编码 face_img = img[y:y+h, x:x+w] face_img = cv2.resize(face_img, (96, 96)) face_img = np.transpose(face_img, (2, 0, 1)) face_tensor = torch.from_numpy(face_img).float().unsqueeze(0) encoding = face_encoder(torch.autograd.Variable(face_tensor)) encodings.append(encoding.data.numpy()[0]) return faces, encodings ``` 然后，我们可以编写一个函数，使用预训练的StyleGAN2模型生成一个具有指定编码的图像。 ```python import io import PIL.Image import torch import torchvision import torchvision.transforms.functional as F # 加载StyleGAN2模型 generator = torch.load("ffhq.pkl")["G_ema"].cuda() def generate_image_from_encoding(encoding): # 将编码转换为Tensor encoding = torch.from_numpy(encoding).cuda() # 使用StyleGAN2生成图像 with torch.no_grad(): image = generator([encoding], truncation=0.7, truncation_latent=None)[0] image = (image + 1) / 2.0 image = F.to_pil_image(image.cpu()) # 将图像转换为NumPy数组 buf = io.BytesIO() image.save(buf, format='JPEG') buf.seek(0) img_array = np.asarray(bytearray(buf.read()), dtype=np.uint8) img = cv2.imdecode(img_array, cv2.IMREAD_COLOR) return img ``` 最后，我们可以编写一个函数，将一个人的脸替换为另一个人的脸。 ```python def swap_faces(img1, img2): # 检测第一个图像中的人脸 faces1, encodings1 = detect_faces(img1) # 检测第二个图像中的人脸 faces2, encodings2 = detect_faces(img2) # 如果没有检测到人脸，返回原始图像 if len(faces1) == 0 or len(faces2) == 0: return img1 # 选择第一个图像中的第一个人脸 face1 = faces1[0] encoding1 = encodings1[0] # 选择第二个图像中的第一个人脸 face2 = faces2[0] encoding2 = encodings2[0] # 生成第一个图像中的人脸的新图像 new_img1 = generate_image_from_encoding(encoding2) # 将第二个图像中的人脸替换为第一个图像中的人脸 (x1, y1, w1, h1) = face1_utils.rect_to_bb(face1) (x2, y2, w2, h2) = face_utils.rect_to_bb(face2) new_img2 = img2.copy() new_img2[y2:y2+h2, x2:x2+w2] = cv2.resize(new_img1[y1:y1+h1, x1:x1+w1], (w2, h2)) return new_img2 ``` 使用这个函数，我们可以将一个人的脸替换为另一个人的脸。 ```python # 加载两个图像 img1 = cv2.imread("img1.jpg") img2 = cv2.imread("img2.jpg") # 将第二个图像中的人脸替换为第一个图像中的人脸 new_img = swap_faces(img1, img2) # 显示结果图像 cv2.imshow("Result", new_img) cv2.waitKey(0) cv2.destroyAllWindows() ``` 这是一个简单的AI换脸的模型，可以根据需要进行修改和优化。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值