見過用 GAN 來 P 圖，見過用 GAN P 視頻嗎？瞧，原本一直在面無表情地講話的人，全程露出了微笑；原本得 4、50 歲的人，直接變 20 幾歲了：
另一邊，正在微笑唱歌的“赫敏”一下子憤怒起來，還能換上一張幾歲小孩的臉：
美國前總統(tǒng)也如此，4 種版本的面部狀態(tài)信手拈來，甚至連性別都給 P 成女的了：
不管人臉表情和狀態(tài)如何變化，這些視頻都沒有給人任何違和感，全程如此的絲滑～哦對，除了真人，動漫視頻里的臉也可以 P：
有點厲害了。
基于 GAN 的視頻面部編輯
這個模型出自以色列特拉維夫大學。
眾所周知，GAN 在其潛空間內(nèi)編碼豐富語義的能力，已經(jīng)被廣泛用于人臉編輯。不過將它用在視頻中還是有點挑戰(zhàn)性：一個是缺乏高質(zhì)量數(shù)據(jù)集，一個是需要克服時間一致性 （temporal coherency）這一基本障礙。
不過研究人員認為，第二點這個障礙主要是人為的。因為原視頻本具備時間一致性，編輯后的視頻卻變了，部分原因就是在 editing pipeline 中對一些組件（component）處理不當。而他們提出的這個視頻人臉語義編輯框架，相對于當前技術水平做出了重大改進：只采用了標準的非時序 StyleGAN2，對 GAN editing pipeline 中的不同組件進行分析，確定哪些組件具備一致性，就用這些組件來操作。整個過程不涉及任何用來維持時間一致性的額外操作。具體流程一共分為六步：
1、輸入視頻首先被分割成幀，每幀中的人臉都被裁剪下來并對齊；
2、使用預訓練的 e4e 編碼器，將每張已裁剪的人臉反演到預訓練的 StyleGAN2 的潛空間中；
3、在所有并行幀中使用 PTI（最新提出的一種視頻人臉編輯方法）對生成器進行微調(diào)，糾正初始反演中的錯誤，恢復全局一致性；
4、所有幀通過使用固定的方向和步長，線性地操縱其軸心潛碼（pivot latent codes）進行相應編輯；
5、再次微調(diào)生成器，將背景和編輯過的人臉“縫合”在一起；
6、反轉(zhuǎn)對齊步驟，并將修改后的人臉粘貼回視頻中。
△ 注意頸部曾產(chǎn)生了大量瑕疵，在最后一步完全修復好
和 SOTA 模型對比
這個模型效果到底有多好，來個對比就知道：
第一個是變年輕、第二、三個都是變老?？梢悦黠@看到目前的 SOTA 模型（Latent Transformer）和 PTI 模型中的人臉會“抽巴”，并出現(xiàn)一些偽影，而這個新模型就避開了這些問題。
此外，研究人員還進行了時間一致性測試。指標包含兩個：
局部時間一致性（TL-ID），通過現(xiàn)成的一致性檢測網(wǎng)絡來評估相鄰兩幀之間的一致性。TL-ID 分數(shù)越高，表明該方法產(chǎn)生的效果越平滑，沒有明顯的局部抖動。
全局時間一致性（TG-ID），同樣使用一致性檢測網(wǎng)絡來評估所有可能的幀（不一定相鄰）之間的相似性。得分為 1 表示該方法成功保持了和原視頻的時間一致性。
結(jié)果如下：
可以看到，這個新模型在兩項指標中都略勝一籌。
最后，代碼將于 2 月 14 號發(fā)布，感興趣的朋友可以蹲一蹲了～
論文地址：
https://arxiv.org/abs/2201.08361
項目主頁：
https://stitch-time.github.io/
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。