創(chuàng)新互聯(lián)是一家集網(wǎng)站建設(shè),海州企業(yè)網(wǎng)站建設(shè),海州品牌網(wǎng)站建設(shè),網(wǎng)站定制,海州網(wǎng)站建設(shè)報價,網(wǎng)絡(luò)營銷,網(wǎng)絡(luò)優(yōu)化,海州網(wǎng)站推廣為一體的創(chuàng)新建站企業(yè)，幫助傳統(tǒng)企業(yè)提升企業(yè)形象加強(qiáng)企業(yè)競爭力?？沙浞譂M足這一群體相比中小企業(yè)更為豐富、高端、多元的互聯(lián)網(wǎng)需求。同時我們時刻保持專業(yè)、時尚、前沿，時刻以成就客戶成長自我，堅持不斷學(xué)習(xí)、思考、沉淀、凈化自己，讓我們?yōu)楦嗟钠髽I(yè)打造出實用型網(wǎng)站。

大數(shù)據(jù)文摘出品

作者：蔣寶尚、魏子敏

先做一個簡單的小測試。

這里有幾組圖片，不要懷疑，每組圖片都有一張是合成的“假臉”。

左邊為假

右邊為假

左邊為假

StyleGAN：圖片生成新神器

上面的那三組圖片來自最近在reddit上爆火的一個網(wǎng)站——“哪張臉是真的（which face is real?）”，網(wǎng)友們非常熱情地將結(jié)果在網(wǎng)站上進(jìn)行比拼，并貼出了測試結(jié)果。

你可以打開下面的網(wǎng)址，自己進(jìn)行更多的圖片識別測試????

http://www.whichfaceisreal.com/index.php

生成對抗網(wǎng)絡(luò)（GAN）自從2014年Ian Goodfellow提出之后，到今天已經(jīng)發(fā)生了天翻地覆的變化。

早期生成的圖片還非常“辣眼睛”，遠(yuǎn)不能騙人。比如2004年的這批“假臉”。

但是經(jīng)過十多年的發(fā)展，現(xiàn)在生成的圖片已經(jīng)和真實的相差無幾了，不是老司機(jī)根本識別不出來。

比如說你在文章開頭看到的幾組圖片。說真的，文摘菌在剛剛開始玩的時候幾乎全靠“蒙”！有幾次甚至覺得假臉比真的臉還要逼真。

看了下相關(guān)介紹，果然，網(wǎng)站上所采用的圖片全部是用StyleGAN生成的。

StyleGAN來自英偉達(dá)，可以說是近期火遍全網(wǎng)的“造假”神器了。與其他生成器不同，StyleGAN可以根據(jù)需要更改生成圖像的結(jié)果，繪制出的圖片更加逼真，不僅可以創(chuàng)造假的人類肖像，也被瘋狂應(yīng)用于其他機(jī)器學(xué)習(xí)應(yīng)用項目，例如汽車、房間、甚至是動漫人頭等。

假房網(wǎng)”：從圖片到文字描述均由計算機(jī)自動生成

上圖是在Reddit最近也頗多人討論的”假Airbnb”網(wǎng)站“，它也是由StyleGAN生成的，網(wǎng)站上的圖片和文字所描繪的根本不是實物。

網(wǎng)站地址：

https://thisairbnbdoesnotexist.com/

這只假房生成網(wǎng)站每次刷新都會出現(xiàn)一個虛假的房源，網(wǎng)頁上的照片、文字描述、發(fā)布的人頭像均由計算機(jī)自動生成。由于使用的模型非常簡單，文字描述多有不合邏輯之處，但猛地一看還是能以假亂真。

StyleGAN最初是由英偉達(dá)在一篇論文中《一種用于生成式對抗網(wǎng)絡(luò)的基于生成器體系結(jié)構(gòu)的方式（A Style-Based Generator Architecture for Generative Adversarial Networks））

論文下載地址：

https://arxiv.org/pdf/1812.04948.pdf

據(jù)論文介紹，StyleGAN是一步一步地生成人工圖像的，從非常低的分辨率開始，一直到高分辨率（1024×1024）。通過分別地修改網(wǎng)絡(luò)中每個級別的輸入，它可以控制在該級別中所表示的視覺特征，從粗糙的特征（姿勢、面部形狀）到精細(xì)的細(xì)節(jié)（頭發(fā)顏色），而不會影響其它的級別。

這種技術(shù)不僅可以更好地理解所生成的輸出，而且還可以產(chǎn)生最高水平的結(jié)果，即比以前生成的圖像看起來更加真實的高分辨率圖像。

所以說，StyleGAN是一篇突破性的技術(shù)，它不僅可以生成高質(zhì)量的和逼真的圖像，而且還可以對生成的圖像進(jìn)行較好的控制和理解，甚至使生成可信度較高的假圖像變得比以前更加的容易。在StyleGAN中提出的一些技術(shù)，特別是映射網(wǎng)絡(luò)和自適應(yīng)實例標(biāo)準(zhǔn)化（AdaIN），可能是未來許多在GAN方面創(chuàng)新的基礎(chǔ)。

“打假”有術(shù)！識別假圖片小技巧

這么逼真的假圖片，就沒有辦法識別了么？別慌，再聰明的AI在造假時，都還是會留下一些痕跡。專業(yè)的研究者們一邊造假，一邊也給大家留下了一些“打假”小技巧。

斑點

StyleGAN算法雖然厲害，但是有個顯著的特點，就是生成的圖片往往會有閃亮的斑點，雖然這些斑點看起來像是照片放久了，化學(xué)反應(yīng)的產(chǎn)物，但是這確是這些合成圖片致命的缺點。

這些斑點可以出現(xiàn)在圖片的任何地方，頭發(fā)以及背景區(qū)域出現(xiàn)的概率大。

這些有斑點的圖片，都是假的，都是用GAN合成的。

背景問題

另一個致命的缺點會出現(xiàn)在照片的背景圖上，神經(jīng)網(wǎng)絡(luò)在對人物圖像的面部進(jìn)行識別的時候，往往不會非常重視。在一些情況下，照片的背景會顯得非常的凌亂，不要多想，這并不是印象派的畫作，是神經(jīng)網(wǎng)絡(luò)在生成圖片的時候，對背景處理的不夠好。

眼鏡

即使StyleGAN已經(jīng)非常強(qiáng)大，但是和他的前輩們一樣，同樣無法完美的處理眼鏡，最常見的問題是眼鏡的兩邊不是對稱的。就拿框架來說，通常合成的圖片，左邊的框架風(fēng)格和后邊的框架風(fēng)格不太一樣，如下圖，框架的一側(cè)有時候會出現(xiàn)彎曲以及鋸齒狀。

其他不對稱問題

除了眼鏡之外，有些時候面部毛發(fā)也會出現(xiàn)不對稱問題。左耳和右耳佩戴的耳環(huán)也不一樣，以及衣領(lǐng)在左右兩側(cè)也會出現(xiàn)不同的形狀。

現(xiàn)在，對稱性往往是人臉生成算法的一大挑戰(zhàn)，我們完全可以利用它的這個弱點，對其一擊致命。

頭發(fā)

一般來說，合成的人物圖片，頭發(fā)往往都不會很逼真， 有時在臉上或其他地方頭發(fā)會斷開，如下第一張圖所示，有的時候人物的頭發(fā)會太直，以及會呈現(xiàn)條紋狀。正如Kyle McDonald 所說，就像有人用調(diào)色刀弄亂了一堆丙烯酸樹脂。在一些情況下，頭發(fā)周圍可能出現(xiàn)一些奇怪的光圈或者光暈，如中間那張圖所示：

背景熒光

另一個有趣的缺點是，熒光顏色有時會從背景出現(xiàn)到頭發(fā)或面部。

牙齒

牙齒不容易渲染。 通常牙齒是奇數(shù)或不對稱的。 在某些情況下，合成的人物圖片會出現(xiàn)三顆大門牙。

如果你仍然對GAN生成的圖片感到恐懼，文摘菌曾經(jīng)寫了更詳細(xì)的文章《GAN生成的假臉太逼真了！別怕，十招教你識別AI生成的假圖像》來幫你識別假照片，戳這里獲得更多技巧。

好了，現(xiàn)在你應(yīng)該知道神經(jīng)網(wǎng)絡(luò)很難生成什么東西了吧，你可以像找玩找茬游戲一樣，找到每張合成圖片的致命缺點，培養(yǎng)你對識別真實圖片的信心。

“打假”技能考核開始

看完這些技巧，再來測試一下各位的打假能力吧，再來測試幾組圖片，看看你的“看圖”能力是否提高????

左邊是假的，注意頭發(fā)光圈

右邊是假的，注意凌亂的背景

右邊是假的，注意光斑

“打假”網(wǎng)站從何產(chǎn)生？

最后，也為大家再介紹一下，這個有趣的“打假”網(wǎng)站是怎么誕生的。

這個項目來自華盛頓大學(xué)的一門網(wǎng)紅課程“抵制狗屁——calling bullshit。授課老師分別是生物系的Carl Bergstrom和信息學(xué)院的Jevin West。

這門課火起來部分來自這個桀驁不馴的名字，至于為什么叫“bull shit”，課程介紹是為了抵制目前存在的各種bullshit信息，包括公然罔顧事實和邏輯的語言、數(shù)據(jù)、圖表，以及其他呈現(xiàn)方式。

當(dāng)然，在這個粗俗的課名之下，是非常嚴(yán)肅的課程設(shè)置。

兩位老師在課程網(wǎng)站的教學(xué)大綱頁面公布了全部的課程內(nèi)容和閱讀材料。感興趣的朋友可以仔細(xì)閱讀。以下我做一個簡單的介紹和分析。

教學(xué)大綱：

http://callingbullshit.org/syllabus.html

在引言部分，課程使用的是普林斯頓大學(xué)教授Harry Frankfurt的文章《On Bullshit》。其實他出版了一本書就叫《On Bullshit》。南方朔將其翻譯成了中文，在臺灣出版的時候用的書名是《放屁！名利雙收的捷徑》，在大陸出版的時候則用了非常保守的譯名《論扯淡》。

第2周引入了一些常見的分辨狗屁的方法。第3周介紹的是孕育狗屁的生態(tài)系統(tǒng)，比如社交媒體如何促進(jìn)了狗屁的傳播。

接下來的幾周，課程從統(tǒng)計學(xué)和邏輯的角度切入，具體分析了一些狗屁的類型，包括混淆相關(guān)性和因果關(guān)系、中位數(shù)和平均數(shù)、“檢察官謬誤”等。課程還單獨辟出一周介紹了數(shù)據(jù)可視化中常見的誤導(dǎo)。

第7周的大數(shù)據(jù)部分，關(guān)注的是在大數(shù)據(jù)和算法的光鮮外表之下，“垃圾進(jìn)、垃圾出”的現(xiàn)象，以及對機(jī)器學(xué)習(xí)的濫用、具備誤導(dǎo)性的參數(shù)等。

其后幾周深入科學(xué)研究領(lǐng)域，介紹了“發(fā)表偏倚（Publication bias）”、“掠奪性發(fā)表（Predatory publishing）”等概念，以及學(xué)科之內(nèi)、學(xué)科之間互相批評的倫理。

第11周是關(guān)于假新聞的。內(nèi)容包括假新聞的經(jīng)濟(jì)驅(qū)動、回音室效應(yīng)、如何進(jìn)行事實核查等等，都是新聞實驗室經(jīng)常談到的內(nèi)容。如果這門課開設(shè)在新聞學(xué)院，那么這方面的內(nèi)容足夠擴(kuò)展成整整一門課了。不過因為這門課的重點放在了科學(xué)上，所以新聞方面的內(nèi)容被壓縮到了一節(jié)課。

最后一周講的是如何駁斥狗屁。針對不同的受眾，需要用到不同的策略。這方面的內(nèi)容基本上就是傳播學(xué)中的說服效果研究。

這門課程在2017年的春季開課，現(xiàn)在已經(jīng)結(jié)束，老師也把課程的全部視頻放到了YouTube上，感興趣的同學(xué)打開下面的網(wǎng)址進(jìn)行觀看哦????

https://www.youtube.com/playlist?list=PLPnZfvKID1Sje5jWxt-4CSZD7bUI4gSPS

本文題目：“假臉”橫行！這個良心網(wǎng)站教你如何成為“打假”專家-創(chuàng)新互聯(lián)
標(biāo)題來源：http://www.rwnh.cn/article6/cejhig.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供網(wǎng)站建設(shè)、外貿(mào)建站、企業(yè)建站、品牌網(wǎng)站建設(shè)、全網(wǎng)營銷推廣、App設(shè)計

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網(wǎng)站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時需注明來源： 創(chuàng)新互聯(lián)