微软北大提出AI换脸工具和假脸检测工具

工具采用两层框架结构。过去换脸应用的主要困难在于提取面部特征，然后将两张图的特征和属性组合在一张图中，最近基于 GAN 的工作取得了明显进步，但仍然在合成高精度、真实图像结果上面临挑战。

研究人员提出了一个新的两部分架构，称为 FaceShifter，可以实现高精度和遮挡条件下的换脸。第一部分通过充分，自适应对目标属性进行挖掘和集成，生成高清换脸图片。使用新的属性编码器，提取多级目标的人脸属性，利用自适应注意力非正规化（AAD）层的新生成器整合人脸合成图片的特征和属性。

架构的第二部分主要解决面部遮挡问题，这部分包括一个新的启发式错误确认细化网络（HEAR-Net）。训练后，可以以自监督的方式恢复图像的异常区域，无需任何手动注释。在新面部图像上进行的大量实验表明，与其他方法相比，本文模型生成的换脸图片结果不仅在感观上更真实、更具吸引力，而且还保留了原图像更多的特征。换脸合成方法包括三个阶段：1）检测面部区域；2）合成期望的目标面部 3）将目标面部融合到原始图像中。现有的对面部合成图像检测通常面向第二阶段，并基于数据集训练有监督的每帧二进制分类器。这种方法可以测试数据集上实现近乎完美的检测精度，如果遇见训练时没见过的假图像，性能会出现明显下降。

与现有方法不同的是，Face X-Ray 不需要事先知道操作方法或人工监督，而是生成灰度图像，显示给定的输入图像是否可以分解为来自不同来源的两个图像的混合。研究人员声称，这种方法是可行的，因为大多数方法在将已改变的面部混合到现有背景图像的过程中，有一个步骤是相同的。每个图像都会从硬件（如传感器和镜头）或软件（如压缩和合成算法）中引入的自己独特的标记，并且这些标记在整个图像中趋向于类似呈现。

 

（编辑：唐山站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!