AI还原宋明清三朝皇帝,还找到了最匹配的明星脸,网友:四大美女安排上

2020 年 12 月 8 日 量子位
杨净 发自 凹非寺
量子位 报道 | 公众号 QbitAI

看过了那么多古装皇帝扮相,也不知道哪一位更像真实的皇帝。

结果现在AI告诉我,陈建斌、陈道明最有帝王之相。

诶,这两位不就是皇帝专业户么?

最近,微博博主@大谷Spitzer又出新作,用AI还原了宋、明、清三朝皇帝,还从皇帝扮演者当中找到了最匹配的明星脸。

此前,他就曾给100年前的北京上色,在网上引起了不小的轰动。

赶紧来看一下吧。

陈建斌、陈道明最具帝王相

按照朝代来分,先看宋朝。

首先登场的是宋朝开国皇帝赵匡胤

网友第一反应是,好黑啊!但毕竟是武将出身,可以理解。

随后,就在曾经演过宋太祖的演员中选出最匹配的一个。

结果,陈建斌以40.42%绝对优势占领榜首。两个「皇帝」放在一起,是这样的。

接下来,是宋太宗

跟他最匹配的是邵峰,匹配度是38.01%。(嗯…虽然不咋认识,但这位小哥还是蛮叭错)

当然,也有像宋哲宗这种没有演员曾出现这个角色,那AI也会自行匹配出最适合的演员。

(据说这是宋朝最帅的皇帝,但不幸也是北宋寿命最短的)

再来看电视剧里最常见的几位皇帝。

康熙

跟他最匹配的,则是我们比较熟悉的陈道明,匹配度达48.82%。

但有网友说,张国立老师更像。

再来看雍正。

不过,腾格尔乱入是怎么回事。(手动狗头)

还有乾隆,看来「瘦长脸」是祖传的吧!

瘦长脸专场不同的是,明朝皇帝则是清一色的国字脸。

背后的技术

那么,AI又是怎么让皇帝「活灵活现」的呢?

简单来说,就是从当时绘画作品中提取人脸,并进行还原,最后参考自己的脸部动态录像生成视频。

@大谷Spitzer透露了主要有四项技术。

  • 脸部生成技术:PaddleGAN和Artbreeder

  • 脸部动态生成:AI Studio

  • 明星脸匹配系统:SeetaFace

PaddleGAN

PaddleGAN是飞桨旗下开源的图像生成模型库,覆盖了当前主流的GAN算法。

比如,Pix2Pix和CycleGAN采用cityscapes数据集进行风格转换,StarGAN,AttGAN和STGAN采用celeba数据集对图片进行局部或者整体的属性修改。

开发者可简单上手各类GAN任务,比如图片变换、老照片修复、动作迁移。

Artbreeder

Artbreeder是一个基于生成对抗网络(GAN)技术的在线图像生成网站。

在Artbreeder上,用户可以通过调整滑块,来创建不同风格的人像、动画。

最后,再利用飞桨的AI Studio里的技术,来进行脸部的动态生成。

至于明星脸匹配系统SeetaFace,是中科视拓研发的AI面部识别开源项目。

新版本SeetaFace6包含了一人脸识别的基本部分,如人脸检测,关键点定位,人脸识别,增加了活体检测,质量评估,年龄性别估计,口罩检测以及戴口罩的人脸识别模型。

而大谷借助网上大佬何之源的教程制作完成的。

通过比对这些皇帝扮演者的脸部特征,给出一个相似度排名,就可以找到和历史人物最接近的明星脸。

网友:四大美女安排上

看了那么多皇帝,就有网友表示:想看杨玉环!

我可太好奇她到底长什么样子了。

也有网友觉得,干脆把四大美女全都安排上。

不过,在最新视频中,还有一位古代女性,那就是富察皇后

或许,下一次就是四大美女了。(手动狗头)

视频链接:
https://www.bilibili.com/video/BV1vv411b7fR
https://www.bilibili.com/video/BV13y4y1B76V

本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容,未经账号授权,禁止随意转载。

量子位年度智能商业大会启幕,大咖已就位!

12月16日,李开复博士、谭建荣院士、清华唐杰教授,以及来自小米美团百度华为爱奇艺小冰亚信浪潮容联澎思地平线G7等知名AI大厂的大咖嘉宾将齐聚MEET2021大会,期待关注AI的朋友报名参会、共探新形势下智能产业发展之路。

早鸟票限时优惠,扫码锁定席位吧~


量子位 QbitAI · 头条号签约作者


վ'ᴗ' ի 追踪AI技术和产品新动态


一键三连「分享」、「点赞」和「在看」

科技前沿进展日日相见~


登录查看更多
0

相关内容

人工智能杂志AI(Artificial Intelligence)是目前公认的发表该领域最新研究成果的主要国际论坛。该期刊欢迎有关AI广泛方面的论文,这些论文构成了整个领域的进步,也欢迎介绍人工智能应用的论文,但重点应该放在新的和新颖的人工智能方法如何提高应用领域的性能,而不是介绍传统人工智能方法的另一个应用。关于应用的论文应该描述一个原则性的解决方案,强调其新颖性,并对正在开发的人工智能技术进行深入的评估。 官网地址:http://dblp.uni-trier.de/db/journals/ai/
【ACM MM2020】跨模态分布匹配的半监督多模态情感识别
专知会员服务
42+阅读 · 2020年9月8日
专知会员服务
109+阅读 · 2020年3月12日
必读的10篇 CVPR 2019【生成对抗网络】相关论文和代码
专知会员服务
32+阅读 · 2020年1月10日
【GitHub实战】Pytorch实现的小样本逼真的视频到视频转换
专知会员服务
35+阅读 · 2019年12月15日
AI有嘻哈!
AI100
3+阅读 · 2018年8月27日
Arxiv
0+阅读 · 2021年2月11日
Arxiv
0+阅读 · 2021年2月10日
Arxiv
9+阅读 · 2021年2月8日
Arxiv
8+阅读 · 2020年8月30日
Arxiv
4+阅读 · 2018年5月4日
VIP会员
Top
微信扫码咨询专知VIP会员