新人工智能生成了实际上并不存在的异常现实的人

乍一看，本文顶部的两排肖像只是一群相貌平平的人。问题是，它们都不存在。所有这些面孔都是假的，由。

更准确地说，这些面孔是由 Nvidia 开发的生成对抗网络 (GAN) 创建的，使用深度学习从现有照片数据库中生成逼真肖像的技术。

前往此人不存在亲自查看网站：每次刷新页面时，您都会看到一张新面孔。 （看看你能坚持多久才被吓坏。）

有了 GAN，两个神经网络– 神经系统旨在模仿大脑的决策过程 – 协同工作。在这里，一个网络生成一张假脸，而另一个网络通过将其与真人照片进行比较来确定它是否足够真实。

如果测试未通过，人脸生成器会再次尝试；这个反馈循环负责您可以在此处和网站上看到的图像。类似的 GAN 已被用于切换场景从冬天到夏天。

我们已经看到了 Nvidia 令人印象深刻的人脸编码之前在行动，但它现在设法通过所谓的“风格转移”将真实性提高到一个新的水平：分别处理图像的不同部分（例如脸型和发型）。

这意味着不同的面孔可以更轻松、更真实地混合在一起，就像照片应用程序将您的面孔变成绘画或素描一样。

“我们想出了一个新的生成器，可以自动学习分离图像的不同方面，无需任何人工监督，”Nvidia 工程师在一份报告中解释道。Youtube 视频。

“训练后，我们可以以任何我们喜欢的方式结合这些方面。”

风格转移将面朝上分解成不同的元素。 （英伟达）

这些不同面部方面的权重可以根据需要进行调整和调整，从而使程序员能够更好地控制最终输出。

至于该网站，实际上并不是 Nvidia 自己创建的，而是由 Uber 工程师 Philip Wang 根据 Nvidia 拥有的代码搭建的。公开。

“每次刷新网站时，网络都会根据 512 维向量从头开始生成新的面部图像，”Wang 在Facebook。

Nvidia 还一直在应用其“StyleGAN”技术来创建其他假集合，包括汽车、猫和卧室的假集合。支持人工智能的算法使用公开的照片进行训练，然后要求提出满足所需真实性水平的新变体。

当然，这一切又带来了深度造假的问题：伪造的数字资产，例如照片或视频，与真实的东西没有区别。

人工智能系统只会在制作此类内容方面变得更加聪明——也许接下来我们可以训练它们识别自己的假货，并创建某种验证过程，以免我们被那些从未被欺骗过的事物和人的镜头淹没。存在。

与此同时，如果您正在寻找不需要模特许可的脸部库存照片，您可以知道该去哪里。

Nvidia 的最新研究尚未经过同行评审，但您可以在预印本服务器上查看相关论文arXiv.org。