“神奇女侠”Gal Gadot穿性感粉色吊带乱伦?原来都是深度学习惹的祸

2017 年 12 月 14 日 AI100 奇思妙想


图片来源于网络

翻译 | 刘畅

编辑 | 波波


 

最近,“神奇女侠”Gal Gadot的乱伦主题私情视频传遍外网,引起轩然大波。


影片中,Gal Gadot穿着桃红色的吊带,心情愉悦地和她的继兄弟做一些污污的事情。



营长觉得很蹊跷,亲自做了研究。现在,营长有义务站出来为我们“英勇”的神奇女侠正名。


其实,这就是一个运用了机器学习算法生成的“FAKE”视频!Gal Gadot的脸被嫁接到一个色情明星的身体上。


[由于众所周知的原因,视频营长还是自己收藏吧]


营长了解到,这是一个名叫“deepfakes“的Redditor的个人作品。他使用了免费的谷歌的TensorFlow开源机器学习工具。


到目前为止,Deepfakes已经在Reddit上面发布了以寡姐,二丫,泰勒,Aubrey Plaza和Gal Gadot的脸为特征的色情视频。目前这些演员们的公关人员并没有任何与虚假色情视频有关的回应。


其实,“张冠李戴”的虚假视频并不难制作,任何有深度学习算法背景知识的人都可以将一个人的脑袋和另一个人的身体嫁接到一起。


营长了解到,“张冠李戴”的算法学叫Face2Face算法,它可以将录制的视频与实时的人脸跟踪进行交换。


匿名的deepfakes介绍,为了编译完成名人的脸,他使用了谷歌图片搜索,股票照片和YouTube视频几个工具。我们都知道,深度学习是由互连节点的网络组成,这些节点可以自主的在输入数据上进行计算。在这种情况下,他使用色情影片和Gal Gadot的脸训练了这个算法。经过了足够的“训练”,这些节点可以自己安排完成一个特定的任务,如熟练地操作修改视频。


对于自己的“成就”,Deepfakes表示他并不是一个专业的研究人员,只是一个对机器学习感兴趣的程序员,所以要低调,要谦虚:


“我只是找到了一个聪明的方法来做脸部互换。通过数百幅人脸图像,我可以轻松地生成数百万张失真图像来训练网络。在那之后,如果我提供给这个网络结构其他人的脸,网络会认为这只是另一个扭曲的图像,并努力使它看起来跟训练的图像一致。”

 

同时,这套系统也是基于了多个开源库,例如带TensorFlow后端的Keras。

看来,“张冠李戴”嫁接术已经如此强大。那么,是不是你的脸蛋真的可以嫁接到任何人的身上而不被察觉吗?


倒也不竟然。


我们先来看看它的“前身”:CG技术在电影中的运用。


图片来源:名利场


营长不知道大家是否还记得英年早逝的大帅哥Paul Walker和他的最后一部影片《速度与激情7》。在片中,一大部分Paul的镜头都是由他的两个兄弟Cody和Caleb,以及和Paul身形相似的演员John Brotherton代替完成。后期特效团队再通过CG技术,制作出多角度的脸部模型及所需的虚拟表情。最后,将表情相连,生成动态影像。


图片来源:腾讯科技


尽管导演一再强调,希望大家专注于电影,而不是寻找哪个是Paul的真身。但是,或许这个换脸术在电影上映的2015年显得过于超前,营长和营长的朋友们被森森地震撼了,忍不住在观影途中不断猜测讨论哪儿是“真”的Paul,哪儿是“假”的Paul。


Gif来源:名利场

 

负责影片视觉特效的Martin Hill在接受采访时说,在像上面保罗坐着或者是特写镜头中进行对话的场景中,由于没有大幅度的动作来帮助分散注意力,从观众角度来看,很容易成为穿帮镜头。


让我们再一次看看“真”or“假”的Paul

Gif来源:名利场


比起数年前仍需费时费力制作脸部模型的CG技术,deepfakes的“张冠李戴”术在效率和成本显然进步了好多。而当我们仔细查看了几乎所有的deepfakes已经发布的视频,发现其结果并未比CG技术提高很多。比如,就在上面Gadot的视频中,在她的脸周围偶尔会出现一个盒子大小的原图像,而她的嘴和眼睛与女演员所说的话并不完全一致。


这是不是也说明了,只有“提供”头的演员和“提供”身体的演员在说话和肢体尺寸行为非常相似时,这项“张冠李戴”术才能真正的信服众人呢?


当然,如果你对那些瑕疵并不那么敏感,也不太去想那是否是真实的,那你就会很容易地认为这个色情视频的主角就是Gadot本人了。


是不是觉得有点儿可怕?


现在来看,这项技术已经接近触手可及了。而且,我们中的绝大部分人都已经在各种社交媒体上创建了关于自己脸的庞大的数据库。


在2015-2016年间,世界各地的人往谷歌相册上传了240亿张自拍照。可以想象,现在一个业余的程序员就可以运行自己的算法来创建一个他们想要骚扰的人的性爱录像带了。


现在,你对人工智能感到恐惧了吗?



原文链接:

https://motherboard.vice.com/en_us/article/gydydm/gal-gadot-fake-ai-porn




热文精选


谷歌AI正式来中国了,机器学习三大职位正在招聘...如果你想跟李飞飞一起工作的话

算法还是算力?周志华微博引爆深度学习的“鸡生蛋,蛋生鸡”问题

连黄牛党都开始玩AI了,春节抢票不加钱是回不去了

不被邀请又怎样!马云都快买下中国AI芯片的半壁江山了,直怼腾讯和百度

Reddit热点 | 想看被打码的羞羞图片怎么办?CNN帮你解决

详解 | 如何用Python实现机器学习算法

经验 | 如何高效学Python?

深度学习高手该怎样炼成?这位拿下阿里天池大赛冠军的中科院博士为你规划了一份专业成长路径

AI人才缺失催生的“跨境猎头”,人才年薪高达300万,猎头直赚100万


登录查看更多
5

相关内容

刘畅先生现任 OPPO 副总裁、OPPO 研究院院长,负责 OPPO 研究院在人工智能、通信、硬件以及新材料新工艺等前沿技术的研究。 刘畅先生于 2008 年加入 OPPO,历任硬件技术部长、手机软件部长,在手机硬件设计及手机平台软件开发等方面积累了丰富的经验。2018 年 1 月,刘畅先生被正式任命为 OPPO 研究院院长。
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2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
【CVPR2020-Facebook AI】前置不变表示的自监督学习
专知会员服务
46+阅读 · 2020年4月19日
【资源】100+本免费数据科学书
专知会员服务
107+阅读 · 2020年3月17日
姿势服装随心换-CVPR2019
专知会员服务
34+阅读 · 2020年1月26日
【论文推荐】小样本视频合成,Few-shot Video-to-Video Synthesis
专知会员服务
23+阅读 · 2019年12月15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
【ICIP2019教程-NVIDIA】图像到图像转换,附7份PPT下载
专知会员服务
54+阅读 · 2019年11月20日
Keras作者François Chollet推荐的开源图像搜索引擎项目Sis
专知会员服务
29+阅读 · 2019年10月17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
技术无罪?AI直接“脱掉”女性的衣服!
51CTO博客
8+阅读 · 2019年6月27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
宅男福音deepfakes开源了
AI前线
9+阅读 · 2018年1月31日
Mesh R-CNN
Arxiv
4+阅读 · 2019年6月6日
Arxiv
8+阅读 · 2018年11月21日
Arxiv
7+阅读 · 2018年8月21日
Arxiv
3+阅读 · 2018年8月17日
Neural Arithmetic Logic Units
Arxiv
5+阅读 · 2018年8月1日
Arxiv
22+阅读 · 2018年2月14日
VIP会员
相关VIP内容
商业数据分析,39页ppt
专知会员服务
160+阅读 · 2020年6月2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
【CVPR2020-Facebook AI】前置不变表示的自监督学习
专知会员服务
46+阅读 · 2020年4月19日
【资源】100+本免费数据科学书
专知会员服务
107+阅读 · 2020年3月17日
姿势服装随心换-CVPR2019
专知会员服务
34+阅读 · 2020年1月26日
【论文推荐】小样本视频合成,Few-shot Video-to-Video Synthesis
专知会员服务
23+阅读 · 2019年12月15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
【ICIP2019教程-NVIDIA】图像到图像转换,附7份PPT下载
专知会员服务
54+阅读 · 2019年11月20日
Keras作者François Chollet推荐的开源图像搜索引擎项目Sis
专知会员服务
29+阅读 · 2019年10月17日
相关论文
Mesh R-CNN
Arxiv
4+阅读 · 2019年6月6日
Arxiv
8+阅读 · 2018年11月21日
Arxiv
7+阅读 · 2018年8月21日
Arxiv
3+阅读 · 2018年8月17日
Neural Arithmetic Logic Units
Arxiv
5+阅读 · 2018年8月1日
Arxiv
22+阅读 · 2018年2月14日
Top
微信扫码咨询专知VIP会员