隨著人工智能技術的發(fā)展，其用途也變得豐富多樣，而在與圖像結合方面，AI 面部識別技術和創(chuàng)建逼真圖像的算法一直備受關注。

　　近日，這一領域似乎又取得了新的突破：一種名為 DeepFaceDrawing 的 AI 圖像轉換器能夠根據(jù)簡單的素描草圖，創(chuàng)建出足以以假亂真的人臉圖像，并取得了不俗的成果。

　　AI 與圖像：逼真的假象

　　其實，當下已經(jīng)有一種 AI 算法，可以幫助我們繪制出 3D 物體的平面圖片。該算法使用圖論（graph theory），首先獲取 3D 模型作為輸入，并逐步進行細分，最后繪制出這一 3D 對象的平面圖像作為輸出。

　　但是，如果將這個過程倒轉過來，我們就能得到另外一種算法——該算法可以從粗糙的繪畫圖紙中獲得逼真的圖像。雖然這看起來像是科幻小說中的場景，但一年半前，NVIDIA 的科學家就已經(jīng)開始使用它了。

　　人們可以從左邊下側的選項中選擇要繪制的內容，并在右側獲得逼真的圖像輸出，然后能夠得到攝影般的風景圖像。但是它也具有局限性——不能創(chuàng)建出逼真的人臉。

　　實際上，為了達到這一目標，科學家們也做出了許多努力，然而多數(shù)類似的 AI 算法框架都需要詳細的、繪制良好的草圖。因此實用性、普遍性都不夠高。

　　而一個全新的 AI 算法正在解決這些問題，這就是 DeepFaceDrawing：從素描草圖中深度生成面部圖像。

　　據(jù)了解，該項目由北京中國科學院和香港城市大學的一個團隊創(chuàng)造，DeepFaceDrawing 也是迄今為止最先進的圖像生成器之一。

　　手殘黨也能畫出攝像級人臉

　　DeepFaceDrawing 實際上是一種基于深度學習的圖像-圖像轉換技術，從非常簡單粗糙的素描草圖開始，創(chuàng)建出逼真的人臉圖像，這一設計旨在幫助那些繪圖經(jīng)驗很少的人。

　　根據(jù)該團隊的說法，“我們的主要想法是從真實的面部素描圖像中隱式地學習一個合理的面部描寫空間，并在該空間中找到最接近的點來模擬該輸入草圖。”

　　DeepFaceDrawing 的深度學習框架使用模塊來生成圖像-CE（組件嵌入），F(xiàn)M（功能映射）和 IS（圖像合成）。CE 模塊本質上可以識別一些最突出的面部特征，例如眼睛，鼻子，嘴巴和目標面部的“剩余”部分。然后，F(xiàn)M 和 IS 模塊一起“將組件特征向量映射到逼真的圖像”。

　　使用這一技術時，用戶只需要繪制一張草圖作為參考圖像，而后就能獲得與您的草圖相匹配的接近照片般逼真的人臉。有趣的是，在繪制毛發(fā)之前，它還會自動提供一些繪畫起點。但是，如果我們選擇自己創(chuàng)造想要的發(fā)型，它也會按照我們的圖紙如實地進行。

　　不僅如此，它還提供了更多驚人的功能，例如：可以幫助用戶調整不同的面部特征，并且一處調整可以同時映射到許多可能的人臉上。

　　它還具有一個有趣的功能——用戶可以不畫任何東西，只需要選擇幾個自己喜歡的面部特征，就可以得到它們組成的理想的臉。這就是所謂的人臉復制粘貼（Face Copy-Paste）。

　　新突破，新用途，新 BUG

　　這一 AI 轉換器能夠創(chuàng)建一些令人難以置信的逼真的人臉圖像。但是，仍有一些問題需要解決。

　　例如，一個女人的素描中，兩只眼睛大小不一，而在 AI 對應著產(chǎn)生的圖像中，眼睛的不同甚至導致了面部其他特征發(fā)生變化，這顯然不是繪畫者最初的目的。

　　而且，DeepFaceDrawing 似乎也主要產(chǎn)生以白種人或拉丁美洲對象為特征的圖像。但是，解決這些問題也只是時間問題。

　　在實際生活中，這項技術也可能有許多用途。該團隊指出，他們的框架在“犯罪調查，角色設計，教育培訓等”方面特別有用。

　　此外，也有人堅信，數(shù)字藝術家們將在不久的將來采用這種技術，它將幫助藝術家們將自己的藝術構想變?yōu)楝F(xiàn)實，這不僅能夠提高契合度，還有利于縮短實際的執(zhí)行時間。