文丨學術頭條
隨著人工智慧技術的發展，其用途也變得豐富多樣，而在與影象結合方面，AI 面部識別技術和建立逼真影象的演算法一直備受關注。
近日，這一領域似乎又取得了新的突破：一種名為 DeepFaceDrawing的 AI 影象轉換器能夠根據簡單的素描草圖，創建出足以以假亂真的人臉影象，並取得了不俗的成果。
AI與影象：逼真的假象其實，當下已經有一種 AI 演算法，可以幫助我們繪製出 3D 物體的平面圖片。該演算法使用圖論（graph theory），首先獲取 3D 模型作為輸入，並逐步進行細分，最後繪製出這一 3D 物件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演算法——該演算法可以從粗糙的繪畫圖紙中獲得逼真的影象。雖然這看起來像是科幻小說中的場景，但一年半前，NVIDIA 的科學家就已經開始使用它了。
人們可以從左邊下側的選項中選擇要繪製的內容，並在右側獲得逼真的影象輸出，然後能夠得到攝影般的風景影象。但是它也具有侷限性——不能創建出逼真的人臉。
實際上，為了達到這一目標，科學家們也做出了許多努力，然而多數類似的AI演算法框架都需要詳細的、繪製良好的草圖。因此實用性、普遍性都不夠高。
而一個全新的AI演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影象。
據瞭解，該專案由北京中國科學院和香港城市大學的一個團隊創造，DeepFaceDrawing 也是迄今為止最先進的影象生成器之一。
DeepFaceDrawing 實際上是一種基於深度學習的影象-影象轉換技術，從非常簡單粗糙的素描草圖開始，創建出逼真的人臉影象，這一設計旨在幫助那些繪圖經驗很少的人。
根據該團隊的說法，“我們的主要想法是從真實的面部素描影象中隱式地學習一個合理的面部描寫空間，並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組來生成影象-CE（元件嵌入），FM（功能對映）和IS（影象合成）。CE模組本質上可以識別一些最突出的面部特徵，例如眼睛，鼻子，嘴巴和目標面部的“剩餘”部分。然後，FM和IS模組一起“將元件特徵向量對映到逼真的影象”。
使用這一技術時，使用者只需要繪製一張草圖作為參考影象，而後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，在繪製毛髮之前，它還會自動提供一些繪畫起點。但是，如果我們選擇自己創造想要的髮型，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：可以幫助使用者調整不同的面部特徵，並且一處調整可以同時對映到許多可能的人臉上。
它還具有一個有趣的功能——使用者可以不畫任何東西，只需要選擇幾個自己喜歡的面部特徵，就可以得到它們組成的理想的臉。這就是所謂的人臉複製貼上（Face Copy-Paste）。
這一 AI 轉換器能夠建立一些令人難以置信的逼真的人臉影象。但是，仍有一些問題需要解決。
例如，一個女人的素描中，兩隻眼睛大小不一，而在AI對應著產生的影象中，眼睛的不同甚至導致了面部其他特徵發生變化，這顯然不是繪畫者最初的目的。
而且，DeepFaceDrawing 似乎也主要產生以白種人或拉丁美洲物件為特徵的影象。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，數字藝術家們將在不久的將來採用這種技術，它將幫助藝術家們將自己的藝術構想變為現實，這不僅能夠提高契合度，還有利於縮短實際的執行時間。
參考資料：
https://futurehubnet.blogspot.com/2020/09/ai-to-help-you-create-real-human-faces.html
https://hothardware.com/news/ai-turns-sketches-into-portraits