本文經AI新媒體量子位（公眾號ID:QbitAI）授權轉載，轉載請聯系出處。

換臉這件事，從未如此高清。

最流行的開源deepfake模型DeepFakeLab，在今年的更新中，最大分辨率也只達到了320×320。

而這只來自迪士尼和ETHZ的全新deepfake，在保持高度流暢這一優良傳統的同時，還一舉把分辨率拉高到了1024×1024的水平。

這也是deepfake的分辨率水平首次達到百萬像素。

這下，換臉之后，每一根眉毛都仍然清晰可見。

動圖畫質略有損失，用靜態圖來感受一下這個清晰度：

難怪網友忍不住驚呼：鵝妹子嚶。

為特效而生的高分辨率deepfake

在此之前，deepfake技術的改進重點主要在平滑換臉效果，而不是提高分辨率。

但320×320這樣的分辨率下，手機上看換臉效果可能行云流水看不出破綻，換到大屏幕上，缺陷就會很明顯。

為了提高分辨率，迪士尼的這項研究主要引入了逐步訓練的多向梳狀網絡，并提出了一個完整的人臉交換管道，包括保留光線和對比度的混合方法，以減少視頻常出現不真實的抖動，生成時間上穩定的視頻序列。

具體而言，分為以下幾個步驟：

• 首先，對輸入人臉進行裁剪和歸一化預處理，將人臉歸一化為1024×1024分辨率，并保存歸一化參數。
• 而后，預處理過的圖像會被輸入到通用編碼器中，用相應的解碼器Ds進行解碼。
• 最后，用多頻段混合方法來交換目標人臉和源人臉。

漸進式訓練的多向梳狀網絡

在網絡架構上，迪士尼采用了單個編碼器、多個解碼器的方案，稱作“梳子模型”。

即，網絡的編碼部分是共享的，而解碼路徑則分成P個域。

這樣一來，一個模型就能同時處理多個源-目標對。

并且，實驗表明，與雙向模型相比，多向訓練模型可以提高表達的保真度。

由于多向編碼器允許生成不同的輸出，這些輸出既可以對應不同的身份，也可以對應不同照明條件下的同一張臉。

此外，還有一重優勢是，相比于雙向網絡，使用單一網絡的訓練時間能明顯減少。

網絡的訓練，則采取漸進式機制。

首先，對高分辨率輸入數據進行下采樣，形成粗糙的低分辨率圖像，先用這些低分辨率圖像進行訓練。此后，逐步在訓練中加入高分辨率圖像，逐漸擴大網絡的容量。

消除時間偽影

為了消除可見的時間偽影，研究人員還提出了一種穩定標志物定位算法的方法。

具體而言，是對人臉進行初始檢測和對其，并標記人臉邊界框的寬度w 。

然后，通過在圖像平面的不同方向上擾動βw個像素，來重新初始化原始邊界框n次。

研究人員發現，在1024×1024分辨率下，β=0.05和n=9時，可以消除所有可見的時間偽影。

保留光線和對比度的混合方法

不過，即使人臉已經完全對齊，姿勢和面部表情也完全匹配，光度失準等問題，依然會造成換臉效果的不和諧。

比如出現明顯的接縫。

針對這個問題，研究人員采用了保留光線和對比度的多頻段混合方法，并強制要求邊界平滑效果只傳播人臉內部，確保外側的人臉輪廓不會被平滑掉。

與常用的泊松混合（Poisson blending）方法相比，在目標人臉圖像和源人臉圖像光照不同的情況下，該方法消除偽影的效果更好。

所以，這個高清deepfake的效果應該如何評價？

直接看對比：

deepfake登上大熒幕，指日可待

不過，研究人員也指出，這個高清deepfake仍有局限性。

從展示的示例中可以看出，大部分人臉圖像都是正對鏡頭的。

夸張的表情、極端的角度和光線，仍然會導致模糊和偽影。

但分辨率的提升，依然給deepfake帶來了全新的商業可能性。

迪士尼就曾經在《星球大戰》系列電影《俠盜一號》里，用特效換臉技術讓已故演員Peter Cushing和Carrie Fisher重返熒幕。

不過，采用傳統特效技術，通常要花費數月時間，才能獲得幾秒鐘的畫面，成本十分高昂。

相比之下，構建原始模型之后，deepfake在數小時之內就能完成換臉視頻的制作。

看來，deepfake技術登上大屏幕，或許離實現不遠了。

傳送門

論文地址：
http://studios.disneyresearch.com/2020/06/29/high-resolution-neural-face-swapping-for-visual-effects/