本文經(jīng)AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯(lián)系出處。

畫畫手殘，也想搞出一個逼真人像？

這個可以有。

油管（Youtube）上的一位小哥，就用一個簡單的小程序辦到了！

效果還不錯！分辨率和逼真度應有盡有。

你要知道，草圖可是這樣的……

見鬼了。

畫畫手殘黨的AI人臉生成作品

第一組的首戰(zhàn)告捷，小哥決定換個性別看看。

OK，性別識別成功✅，就是看起來有點“瘆人”。

要怪就怪小哥的“靈魂”畫技吧……

下一組——

作者逐步畫臉、頭發(fā)、眼睛……讓大家看看AI是怎么一步步生成人像的。

看起來，隨著細節(jié)的完善，人臉也被訓練得隨之豐富起來。

接下來，腦洞大開的作者居然畫起三角形/芒果形/方形/梨形人臉……

要玩壞了嗎？

NO!

管他什么臉型還是歪耳朵斜眼睛，都成功了。結果還算滿意，有一張顏值居然還可以。

那，畫個鳴人看看？

現(xiàn)實世界里的鳴人會長什么樣子呢？

[[393649]]

救命！🆘?。?！

……

后面小哥又整了兩組：

△Minecraft中Steve的AI人像：還原了方方的頭發(fā)

△動畫片角色Rick Sanchez的AI人像: 神似邁克爾·杰克遜？

有沒有發(fā)現(xiàn)AI居然能夠基本呈現(xiàn)相應原人物的皺紋和膚色，再加上上面鳴人AI的頭像也“歪打正著”的黃頭發(fā)。

這么神奇？

但作者調侃：是魔法……

靈感來自一篇論文

這個想法的提出和程序的實現(xiàn)者是一位網(wǎng)名叫做“Stochastic Machine”（隨機機？）的小哥。

靈感來自一篇論文——

《Encoding in Style: a StyleGAN Encoder for Image-to-Image Translation》

這篇論文講技術人員如何在styleGAN頂層訓練了一個深度神經(jīng)網(wǎng)絡來學習將源圖像映射到styleGAN模型的輸入，最終輸出高質量的目標圖像。

其中有三個有趣的實例。

1、將側著的人臉輸出為相應的正臉（Face Frontalization）

2、將一個糊了的人臉生成為一張高分辨率的人臉（Super Resolution）

但是還原的最接近長相不止一種。

3、和pix2pix非常相似的條件圖像合成（Conditional Image Synthesis）

編碼器輸入一張手繪或face mask，就能生成一系列高清真人頭像！

pix2pix是在GAN的基礎上設計出的一個算法，完成成對的圖像轉換，可以得到比較清晰的結果。

GAN（Generative Adversarial Networks），生成式對抗網(wǎng)絡，是一種深度學習模型，是近年來復雜分布上無監(jiān)督學習最具前景的方法之一。

小哥對最后一個效果表示非常贊許和感興趣。并轉念一想：

也許我可以做個簡單的程序來實現(xiàn)信手涂鴉一鍵生成高逼真AI人臉。

說干就干，小哥先前就搞了一個基于pix2pix技術的草圖生成人臉程序。

無奈效果相去甚遠——根本不是人！

現(xiàn)在他將原代碼結合這篇論文的技術，做成了這樣一個簡單的應用程序。不管你的畫功有多爛，都能生成一張像模像樣的高逼真AI人臉。

AI人臉生成技術：從模糊到難辨真假

一開始，很多AI人臉生成作品（技術基于GAN）只能勉強模仿出一個人類的臉的大概樣子，但是多少都有點“糊”(lack quanlity)。

且不說有的生成的還只是黑白的人像。

2019年，StyleGAN的出現(xiàn)讓AI圖像生成技術邁出了超一大步！

該技術生成的人像終于能夠逼真到“如果我不說，你就根本猜不出來我是AI”了！

StyleGAN是基于GAN開發(fā)的模型。

StyleGAN中的“Style”是指人臉的各種屬性，包括臉型、發(fā)型等，還有人臉膚色、是否有皺紋等細節(jié)。不同的“畫法”，可以精確控制人臉不同的“style”。

上面“隨機機”小哥用到的StyleGAN2是對StyleGAN的改進。

基于這項技術的人臉生成應用數(shù)不勝數(shù)，這位小哥的最大不同就是不需要你按著底圖臨摹加工，也不需要你有多好的畫畫技術，多“靈魂”都能給你生成相應的高逼真人像！

不過有人表示小哥這個程序生成的肖像大多具有印度(次大陸)常見的人臉特征。

當然，小哥說這都是在相應的數(shù)據(jù)集（CelebA-HQ）上訓練的結果。