我们都知道类神经网络在图像造假上有着相当好的表现，但究竟好到何种程度？如果你对不久前 Nvidia 的图片填空技术还有印象，那么不妨看看他们最新的成果。
近日公布的论文中，Nvidia 展示了如何参考实际影像凭空创造出一个看起来像是全新的人。在下面的图片中，你可以看到如何将运用真实人物的原始图片，将肤色、发色、脸部特征等特征混合在一起，创造出一个看起来像是全新的人。
▲ 第 1 行为基准列，左边第 1 排为目标参照列，2~4 行为基本风格复制（姿势、头发、脸型），5~6 行为中等风格复制（脸部特征、眼睛），第 7 行为细部风格复制（配色）。
随着技术进步，近几年生成性对抗网络（GANs）产生的图像分辨率和品质已经大有改善，然而因为人脸随机特征复杂，一些潜在属性即使是人们也难以详细描述，但在过去风格转换（style transfer）论文的协助下，Nvidia 以某种方式重新设计生成器（generator）架构，使其将图片视为一系列的“风格”，并在不需人类参与调整的情况下学习训练，实现特定的风格混合操作。
下方的介绍影片中可以看到更多的详细内容，其中甚至包含猫咪、车子和房间的混合，透过细微参数调整更可以组成更多全然不同的人脸形象。
AI 创造逼真脸孔的能力可能会引发不安。过去我们已经看到 deepfakes 用来创造非自愿色情内容，或是借由合成让政治人物说出并未说出口的话，这些工具可能被用于宣传错误资讯，削弱大众对图片证据的信任，这种趋势也可能会损害司法系统和政治。
然而以目前来说，这些能力距离真实世界还有些距离，因为 AI 研究者特别关注产生脸孔的整体能力，人们不能以同样的真实度来进行何种训练，同时在专业知识和时间上也有着严重的限制，在这个例子中，Nvidia 的研究人员花了一周的时间在 8 个 Tesla GPUs 上训练模型才创造出这些脸孔。
为了协助未来数位图片验证，一些专家已经在考虑全新的方法，像是让相机应用程序用地理编码来标记图片好验证拍摄时间和地点，但 Nvidia 的工作也显示了 AI 在造假上的进展速度有多快，可以预见的是，未来几十年 AI 造假和认证技术之间将会互相拉扯著发展到更好的境界。
- These faces show how far AI image generation has advanced in just four years
（图片来源：arXiv via NVIDIA）
延伸阅读：
- 哪张是照片哪张是 AI 合成？DeepMind 新技术让照片真假更难分辨
- 修图再进化，NVIDIA 用深度学习为图片自动“填空”
