机器学习模型生成的人脸越来越逼真，这太可怕了

机器学习模型在生成逼真的人脸方面非常擅长 - 我可能永远不会相信机器或人类再次真实。来自Nvidia研究人员的新方法通过分离面部细节水平并允许它们单独调整来超越其他人。结果非常逼真。

该论文发表在预印本库Arxiv（PDF）上，描述了一种新的架构，用于生成和混合图像，特别是人脸，“导致更好的插值属性，并且更好地解开变异的潜在因素”。

这基本上意味着系统更加意识到图像之间的有意义的变化，并且在各种尺度上都能引导。例如，研究人员的旧系统可能产生两个“不同”的面部，这些面部大致相同，除了一个人的耳朵被擦除，衬衫是不同的颜色。这并不是真正的独特性 - 但系统并不知道那些不是重点关注的重要图像。

它的灵感来自于所谓的风格转移，其中绘画的重要风格方面被提取并应用于另一个图像的创作，如果一切顺利，最终会有类似的外观。在这种情况下，“风格”不是画笔笔划或色彩空间，而是图像的构图（居中，向左或向右看等）和脸部的物理特征（肤色，雀斑，头发）。
这些功能也可以有不同的尺度 - 在精细的一面，它是像个人面部特征;在中间，这是镜头的一般构成;在最大规模，它是整体着色的东西。允许系统调整所有这些都会改变整个图像，而只调整一些可能会改变某人头发的颜色，或只是改变雀斑或面部毛发的颜色。

在顶部的图像中，注意面部的变化有多么完整，但“源”和“样式”的明显标记显然都存在，例如底行的蓝色衬衫。在其他情况下，东西是用整块布料制成的，就像和平中心的孩子似乎穿着的和服一样。它来自哪里？请注意，所有这些都是完全可变的，不仅仅是A + B = C，而且A和B的所有方面都存在或不存在，具体取决于设置的调整方式。

这些人都不是真正的人。但如果这些图像是某人的个人资料图片之类的话，我不会在这些图像中看两次。有点可怕的是，我们现在基本上都有一个面部发生器，可以整天吐出完全正常的人类。这里有几打：
它并不完美，但它确实有效。而不仅仅是为了人们。汽车，猫，风景 - 所有这些东西或多或少都符合可以单独隔离和再现的小型，中型和大型功能的相同范例。对我个人来说，无限的猫咪发电机听起来更有趣。

研究人员还发布了一个新的面部数据数据集：从Flickr收集（经许可）的70,000张面部图像，对齐和裁剪。他们使用Mechanical Turk来清除雕像，绘画和其他异常值。鉴于这些类型的项目所使用的标准数据集主要是名人的红地毯照片，这应该提供更多变化的面部组合。其他人可以在这里尽快下载这些数据集。