技术无罪?AI直接“脱掉”女性的衣服!

2019 年 6 月 27 日 51CTO博客

今天上午,又一 AI 偏门应用爆出!用算法直接“脱掉”女性的衣服!


图片来自包图网


看来之前的换脸技术已经无法满足部分人的需求了,又有人想出更加让人震惊的,已经不能叫做是擦边球的应用了。

DeepNude


这款名为 DeepNude 的应用,据说只需要给它一张女性照片,App 即可借助神经网络技术,自动“脱掉”女性身上的衣服,暴露出裸体。对于使用者来说,无需任何技术知识,一键即可获取裸体照片。

目前 DeepNude 的官网已经上线,不仅有 50 美元的付费版,甚至还推出了免费版。


相关可下载的 Windows 和 Linux 应用正在推出,使用免费版图片会出现水印,付费版则会在图片左上角加上“Fake“标注。

而处理效果如何呢,美国媒体 Motherboard 用几十张照片测试,发现如果输入《体育画报泳装特辑》的照片,得到的裸体照片最为逼真。


但这一技术还有缺点,多数照片(尤其是低分辨率照片)经过 DeepNude 处理后,得出的图像会有人工痕迹;而输入卡通人物照片,得出的图像是完全扭曲的。


也就是说,通过这款应用,你可以获取到任何一位女性的“裸体照片”。即便这只是神经网络伪造出来的,但是肉眼看来却十分真实。


并且在此情况下,网络上的所谓「FAKE」水印,也很容易去掉,这项技术一旦广泛使用,将会造成比之前色情换脸技术更大的危害。


技术原理


DeepNude 相当于之前换脸 DeepFake 的进化版本。主要是基于 2017年,加州伯克利大学提出的一种叫做 pix2pix 的开源算法。


Pix2pix 使用生成对抗网络(GAN),利用大量的图像数据集,来生成较为逼真的图像。该算法在自动驾驶等场景中均有使用。


具体来说,Pix2pix 就是通过神经网络学习一些图像的特征,然后再将其扩展到其他的图像或者视频上。


DeepNude 则是用了超过 10,000 张女性裸照,来进行训练,最终实现“脱衣”的效果。实际上就是在新的图片上,生成了女性裸体图像,是虚假的。


该软件的制作者表示:“该神经网络是多重的,因为针对一张图片需要完成多个不同的任务。


比如找到图像中的衣服,并掩盖衣服。推测具体的身体部位,并渲染图像......他表示因为任务比较多,所以处理的速度会比较慢一点,但是希望未来能有所改善。”


DeepNude 目前只能做女性的照片,因为这样的照片更容易收集,他还想做个男性的。


广泛的争议


此技术在网络上一经报道,立刻引发热议。大部分网友的第一反应,就是这项技术的应用,实在太过于恶俗!

也有很多人对技术产生了怀疑,难道 AI 技术就是被用来做这些东西的?

似乎自从 DeepFakes 被制作出来,这个 AI 世界的潘多拉魔盒就被打开了。我们每个人都有可能成为色情报复的受害者。


另外就是技术对女性的歧视,从小视频换脸,到现在的脱衣,这些恶俗的应用全部针对的是女性,男性怎么不成为裸照、小视频的主角呢?

           

我们一直都在谈技术向善,不过事实证明,在人性面前,对于 AI 这样一把利器我们并不能控制它的走向,如今有换脸、脱衣,未来又还会出现什么更恐怖的事情呢?


希望有关部门能够出台相关政策,不要让技术成为刺伤我们自己的利刃。


来源:转载自公众号极验(ID:geetest_jy)


技术社群 敬候您来


扫描下方二维码,成为51CTO官方社群的好友。备注【技术】,加入技术交流群;备注【网络安全】加入7月3日网络安全直播群(有红包领哦)。

精彩文章推荐:

简单几步,设计一个高性能的秒杀系统!

“分布式事务”,这次彻底懂了!

曾经有个能帮我修电脑的BOY,我没有好好珍惜……

登录查看更多
8

相关内容

人工神经网络(Artificial Neural Network,即ANN ),是20世纪80 年代以来人工智能领域兴起的研究热点。它从信息处理角度对人脑神经元网络进行抽象, 建立某种简单模型,按不同的连接方式组成不同的网络。在工程与学术界也常直接简称为神经网络或类神经网络。神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数,称为激励函数(activation function)。每两个节点间的连接都代表一个对于通过该连接信号的加权值,称之为权重,这相当于人工神经网络的记忆。网络的输出则依网络的连接方式,权重值和激励函数的不同而不同。而网络自身通常都是对自然界某种算法或者函数的逼近,也可能是对一种逻辑策略的表达。 最近十多年来,人工神经网络的研究工作不断深入,已经取得了很大的进展,其在模式识别、智能机器人、自动控制、预测估计、生物、医学、经济等领域已成功地解决了许多现代计算机难以解决的实际问题,表现出了良好的智能特性。
基于深度学习的表面缺陷检测方法综述
专知会员服务
93+阅读 · 2020年5月31日
最新《Deepfakes:创造与检测》2020综述论文,36页pdf
专知会员服务
62+阅读 · 2020年5月15日
【综述】基于图的对抗式攻击和防御,附22页论文下载
专知会员服务
68+阅读 · 2020年3月5日
姿势服装随心换-CVPR2019
专知会员服务
34+阅读 · 2020年1月26日
【浙江大学】对抗样本生成技术综述
专知会员服务
91+阅读 · 2020年1月6日
换脸算什么?现在AI都能一键“脱衣”了
腾讯科技
10+阅读 · 2019年6月30日
AI换脸朱茵变杨幂,技术背后细思极恐
大数据技术
7+阅读 · 2019年3月1日
还在PS里手动描边?AI自动抠图只需5秒
机器之心
12+阅读 · 2018年12月19日
宅男福音deepfakes开源了
AI前线
9+阅读 · 2018年1月31日
DPOD: Dense 6D Pose Object Detector in RGB images
Arxiv
5+阅读 · 2019年2月28日
Conditional BERT Contextual Augmentation
Arxiv
8+阅读 · 2018年12月17日
Arxiv
9+阅读 · 2018年10月24日
Arxiv
4+阅读 · 2018年10月5日
Arxiv
5+阅读 · 2018年5月16日
Arxiv
3+阅读 · 2018年4月10日
Arxiv
8+阅读 · 2018年4月8日
Arxiv
8+阅读 · 2018年1月12日
VIP会员
相关资讯
相关论文
DPOD: Dense 6D Pose Object Detector in RGB images
Arxiv
5+阅读 · 2019年2月28日
Conditional BERT Contextual Augmentation
Arxiv
8+阅读 · 2018年12月17日
Arxiv
9+阅读 · 2018年10月24日
Arxiv
4+阅读 · 2018年10月5日
Arxiv
5+阅读 · 2018年5月16日
Arxiv
3+阅读 · 2018年4月10日
Arxiv
8+阅读 · 2018年4月8日
Arxiv
8+阅读 · 2018年1月12日
Top
微信扫码咨询专知VIP会员