在线快3娱乐—在线快3计划人人都是女装大佬??Snapchat的性别交换滤镜分分钟会被玩坏! | 雷锋网

  • 时间:
  • 浏览:214
  • 来源:彩神大发快3网站-彩神app官方

谷歌大脑工程师Eric Jang近期体验了Sna在线快3娱乐—在线快3计划pchat在线快3娱乐—在线快3计划的性别交换滤镜并写了一篇体验文章,雷锋网AI研习社将这篇文章编译如下。

Snapchat的性别交换滤镜是无尽乐趣和欢聚派对的源泉,其转换结果令人非常满意。作为几个多每天都和机器学习算法打交道的人,很多功能的强大程度需用说非常神奇了。

我对很多功能非常感兴趣,作为几个多好奇宝宝,我今天早上注册了Snapchat并试用了一段时间,试图弄清楚身后的原理,以及我如保去破解它。注意:这前会 对Snapchat的API文件进行逆向工程或研究很多应用如保设计累似 功能,它很多基本的假设测试,测试它哪些地方时候 会 生效,哪些地方时候 会 不生效,当然再再加很多点自恋的浴室自拍乐趣。[手动滑稽.gif]

初步观察

上面的照片是一张浴室自拍的原始照片。左边是“男性”滤镜的效果,右边是“四十岁的女人 ”滤镜的效果。

大多数用户时候 会注意到的第一件事是很多滤镜是实时工作的,时候 你使用几个不同的深度1,时候 不需用联网不可不后能 运行。戴着毛线帽的时候 ,头发的渲染表现也非常自然。

下图是几个多我在转头的时候 拍摄的动图。应用守护线程似乎能检测到面部与否 指向指定的方向,时候 只有满足该布尔值的时候 才会触发滤镜效果。

性别交换滤镜可适用于各种光线条件,时候 头发似乎如此 阴影的投射。

你看变身女装大佬的我是前会 很可爱 [嘻嘻]。

接下来是几个多我认为很酷的例子 —— 合成的头发需用捕捉光线的关在线快3娱乐—在线快3计划键来源。

遮挡测试

另几个多面的观察来看,它的效果非常好。如此 我们我们 需用让它失败吗?该滤镜需用检测出人脸与否 处在错误的姿势,时候 时候 有东西挡住了脸为什么么办,如此 被遮挡的人脸也会被“转性”吗?答案是肯定的。下面是几个多(水平遮挡的)测试,我在脸上滑动几个多物体。当仅有半边脸被遮挡时,滤镜就能正常工作,但时候 脸部被遮挡的很多,“你会换脸吗”的选项就会被设为False。

再来看下垂直遮挡,这里的滤镜效果似乎取决于“脸部区域被遮挡的百分比”,而前会 哪些地方重要的语义形状(累似 眼睛、嘴唇)被遮挡。就在滤镜决定“你会换脸吗”应该切换到“False”时候 ,时候 你就看身后拿着的白色的瓶盖变模糊了。时候 ,当我把瓶盖放入视线中央时,我的头发变成了金黄色。很多效果很有趣。在我看来,很多定是机器学习在起作用,它会从训练过的数据中提取很多数据进行渲染。如此 大大问题来了,金发女郎会继续做更多的化妆教程吗?

我用黑色的活性炭面膜遮住了一次责脸,得出的渲染效果似乎很稳定。四十岁的女人 的滤镜嘴笨 将面膜稍微消除了。从下面的GIF需用很明显地看出,“面部交换”功能仅限于追踪头部的矩形区域(注意头发到达我肩膀时的尖锐截止)。

一旦我用面膜覆盖脸部的其余次责,滤镜就会停止工作。 有趣的是,我脸部的裸露区域似乎还是会被检测为面部,滤镜会继续执行该区域的面部样式转换。 时候 你就看头部和面部的渲染效果像伊藤润二的恐怖故事一样闪烁。

把面膜揭除的时候 ,渲染效果则令人惊讶地稳定。

头发层

我对头发的真实感印象最深,很多时候 你弄清楚与否 有用于动态照明的头发网格模型,时候 与否 前会 基于机器学习的。

头发似乎会被渲染为最顶层(就像Photoshop的图层),但与平常所用的简单的小狗耳朵/舌头的滤镜不同,很多头发层有几个多次责透明的alpha通道。 为什么么时候 你仔细观察,头发上还有几个多清晰的分割面罩,需用让脸部显露出来。Snapchat时候 正在进行头部的跟踪,以选用头部的位置,并计算头发的2D alpha蒙版。

它的工作原理是哪些地方?以下是我的猜测。

第一眼看上去,我的脑海里浮现的是某个CycleGAN架构,它会将男性的面孔分布映射到四十岁的女人 面孔上,反之亦然。数据集应该是包括了过去8年中用户们上传到Snapchat(且如此 被Snapchat删掉)的数十亿张自拍照。

但这嘴笨 引发了很多大大问题:

  • 我们我们 训练的图像转换器真的是不用成对图像的吗?时候 是真的,这将极其令人震惊,鉴于CycleGAN是很多大大问题,甚至有时候 根本就做不了这件事。如此 我敢打赌我们我们 有几个多不成对的对齐目标,很多目标是由有限的真实成对数据集来进行规范,累似 男/女兄弟姐妹的成对图像,甚至是有很多数据是手工设计的性别转换结果,需用作为数据增强使用(累似 ,使下颌轮廓更圆的效果需用在如此 机器学习的情况表下完成)。

  • 头发和面部的变换似乎是个人所有独立合成的,时候 它们处在不同的图层(时候 时候 是一同合成的,并在渲染时候 分割成不同的图层)。 这也是我第一次就看GANs被用来渲染alpha通道。我有点儿怀疑头发是前会 真的由GAN产生。一方面,显然有很多平滑的功能,它需用根据遮挡物体的位置切换高光和头发颜色,这表明颜色时候 次责是从数据中习得的。此人 面,头发非常稳定,我比较慢相信它完前会 用GAN处在器合成的。时候 你看很多东亚男性用累似 发型换脸的例子,这表明时候 处在几个多大型的haridos模板库(用很多机器学习模型进行了改进)。

  • Snap的ML工程师如保知道,CycleGAN在如此 大的数据集上训练时候 到底收敛如此 ?

  • 只有如此 有限的计算资源,我们我们 是为什么么把很多水平的神经网络运行起来的?它们动态生成的图像分辨率是几个?

  • 时候 它嘴笨 是几个多CycleGAN,如此 将男性滤镜应用于我的四十岁的女人 滤镜图像的时候 应该恢复成原始图像才对,对吗?

如上面动图所示,这张照片的比例基本不变,但我们我们 把它放大得非常近时,这张脸嘴笨 更像是我的脸。我猜想在将标准的人脸图像输入神经网络时候 ,会有几个多预除理步骤对其进行裁剪和大小调整。很多滤镜中时候 还有很多的子守护线程,累似 调整下颚大小,它们不使用CycleGAN,时候 它的再加会使得M2F和F2M滤波器不再详细相反。

技术遐想

我有个我们我们 很多另几个多,他在做变装时候 要做很多的工作。我对另几个多的技术感到非常兴奋,时候 它会让化妆师、角色扮演者和变装艺术家更容易以更廉价调慢速的法子尝试新的想法和身份。

面部和语音变化等技术使公共互联网角色与哪些地方地方角色身后的真人之间的差距更大。 不过这不一定是件坏事:为什么么时候 你是几个多四十岁的女人 ,但又热衷于在网上成为几个多可爱的动漫女孩,如此 我们我们 应该拿几个多身份进行评判呢?(链接是Youtube视频) 随着我们我们 的日常社交媒体将性别扭曲正常化,性别流动性和变装文化会在社会中变得更加正常化吗?

未来非常令人兴奋。

via https://blog.evjang.com/2019/05/fun-with-snapchats-gender-swapping.html

编译埋点:Pita

雷锋网(公众号:雷锋网)AI研习社编译埋点,更多精彩内容,欢迎访问雷锋网AI研习社社区。

    【封面图片来源:网站名Eric Jang,所有者:Eric Jang】

雷锋网版权文章,未经授权禁止转载。详情见转载须知。