(三)使用生成对抗性网络(GAN)的“深度伪造”(“Deep Fakes” using Generative Adversarial Networks)
paper:“Deep Fakes” using Generative Adversarial Networks (GAN) 2014
code:
“Deep Fake”是一种基于人工智能的图像合成技术,比传统的图像到图像的是转换更加强大,不需要成对的训练数据集(pair training data)就可以生成图片。“deep fake”的目的是从一组已存在的图像中获取共同的特征,并找到一种赋予其他图像这些特征的方法,例如形状和样式。生成对抗性网络(GANS)为我们提供了一种实现“deep fake”的有效途径。
- 采用Cycle-GAN network,由两个GAN网络组成,损失函数由两部分:(1)生成器部分的LOSS为LG(包含循环一致性损失Lcyc,保证图片在输入输出的映射是合理的)(2)鉴别器的LOSS为LD。通过迭代计算和反向传播这两个loss训练Cycle-GAN
- Cycle-GAN实现目标转换和风格转换两个目标:(1)目标转换:相互转化手袋和背包的图像(2)风格转换:艺术照的转换,eg梵高油画和秋叶。使用pytorch框架生成的图像效果好。
Section 1:introduction
- 图像到图像的转换