GAN生成“照片级” emoji!有人将扎克伯格做成了表情包

8 月 28 日 新智元






  新智元报道  

来源:Reddit

编辑:大明、小芹

【新智元导读】把扎克伯格的脸放到emoji表情包上是一番怎样的体验?这个恶搞话题今天在Reddit上引起了热议!作者声称使用了“面部超级分辨率”工具,生成了“照片级”的面部图像,有人看热闹不嫌事大地把扎克伯格拉了进来,网友纷纷表示,太惊悚了!


现在这个时代,名人的脸被做成表情包一点都不稀奇了,从学友哥、到金馆长,再到姚主席,都靠一张(或几张)脸火遍了天下。但这些表情包的共同点是,无论表情怎么夸张,你一眼就能看出,这确实是他们本人。

 

但今天要说的这个表情包就不一样了,有外国网友把真人头像和流行的emoji表情结合在了一起。至于结合在一起之后能不能看出来是谁,甚至能不能看出来是人。那可真的要考验各位的眼力了。

 

而这些“恶搞”的灵感还要从一篇论文说起。

 


在这篇发表在arxiv上的论文中提出了一个“面部超级分辨率”的概念,它的主要作用是由低分辨率的面部图像生成高分辨率的面部图像,同时能够保留清晰充分的面部细节,论文称,使用渐进式训练方式的GAN模型能够稳定生成比测试图片分辨率高得多的“照片级”图像。

 


好了,现在“作案工具”已经有了,喜欢搞事情的网友也开始行动了。首先遭殃的就是emoji表情。


一篇论文引发的恶搞:“照片级”的emoji表情包诞生!  


昨天,Reddit上有人称,用这篇论文的框架和工具,成功生成了“照片级”的emoji表情!输入为16*16像素,输出为128*128像素,8倍没毛病!作者表示,实验中不光用了emoji,还用了twitch表情和游戏中的一些表情,结果嘛,还是很感人的。

 


作者表示,原论文中输入图像是被人为缩小成16*16像素,所用代码与训练和测试模型时完全相同。输出图片和输入实现了基本对齐,美中不足的就是有时候输出图像上会留下一些古怪的伤疤。



一旦把输入图像改成用emoji表情,就不存在这个问题了。而且更奇妙的是,因为这个模型可以寻找定位面部标志,所以其实无论什么样的图像输入进去,它都能找出眼睛、鼻孔和嘴来。不信你看下图中的披萨上的意大利辣香肠,你其实用不着怎么仔细看,就能看出它实际上是人的嘴唇生成的。

 


是不是很奇妙?至于这些生成的图像是不是“照片级”的,那就见仁见智了。

 

除了emoji表情之外,还有其他输入来源,比如Twitch表情以及一些视频游戏中的头像,效果是这样的。看完了只能说是重新定义了“照片级的清晰度”



其实小编我就两点感受,第一,就这样把川普大统领安排到游戏里,经过他老人家允许了吗?第二,《超级玛丽》里的蘑菇头这么可爱,谁能告诉我右边的图是啥玩意,想过蘑菇头的感受吗?总之你们开心就好!


而且从网友回帖来看,大部分人的审美还是正常的:

啊,那个披萨的图,真心惊到我了……

 

先是用emoji写代码,现在又来这个,emoji到底得罪谁了?

 

不不不,你得这么想,这是把生成超清晰度人脸的算法用在了emoji上,还用emoji实现了,下一个十亿级别的项目就是它了!

 

这个帖子是不是发错地方了?强烈建议移至/被诅咒的图片板块。


看热闹不嫌事大,这次遭殃的是扎克伯格


正所谓看热闹不嫌事大,网友Michail Rybakov很快在Reddit上发帖说:“看到这篇关于逼真表情包的帖子,让我想起我去年做的一个项目:我把马克·扎克伯格的脸放到Facebook的emoji上了,这个项目就叫——Zuckerberg Emojis。

 

Sad Mark


为什么做这件事?Rybakov说,Facebook迫使我们用非常具体的情感表达来对事物做出反应。在某种程度上,这些表情符号已经成为了我们的面部表情。所以,把同样的表情应用到扎克伯格的脸上才公平。


翻译一下就是,不能光让我们吃瓜群众吓一跳,要来也要拉扎克伯格一起!

 

Rybakov分别使用三种神经网络技术,分别是CNNMRF, Deep Image Rybakov和jcjohnsons neural style,应用于扎克伯格的面部图像,并将分辨率提高到高清。

 

Michail Rybakov的自我介绍是“媒体艺术家”和“艺术研究者”,他认为,表情符号是对一种情绪的清晰而准确的表达,然而,在不同设备上表情符号的差异很可能导致交流发生误解。

 

即使在同一个平台上,你可能表达的情感反应也是通过选择和设计可用的表情符号来策划的。

 

以Facebook为例。Facebook上的五个表情符号给用户提供了广泛的表达能力,但它们的设计非常具体——接近情绪尺度的极端。当使用表情符号时,我们就像戴上了这些特定的、预先定义好的表情面具。我们正在变成表情符号。

 

因此,Rybakov决定逆转这个过程,将人添加到数字表达中。当然,那个“人”,就是马克·扎克伯格。

 

下面是使用神经网络创建的一些结果(建议做好精神准备):

 

 

看起来是相当诡异!

 

这一系列表情包的制作过程是怎样的呢?Rybakov说,他使用了三个神经网络。

 

首先,CNNMRF在表情符号中加入了扎克伯格脸部的一些特征,它特别倾向的是眼睛和头发。

 

然后,Rybakov使用Deep-Image-Analogy网络来添加更多特征、对比度、结构和调整直方图。

 

最后,使用jcjohnsons neural-style来在添加纹理时放大图像。

 

1.  原始表情符号 2. CNNMRF的结果 3. DeepImage Analogy的输出 4. 应用神经风格技术添加纹理


这个帖子下面的网友纷纷表示,你太有才了!阿西莫夫的棺材板都快盖不住了!

看了这个帖子,阿西莫夫从棺材里爬了出来,写下了AI的第四条定律……

 

我有个想法,你能不能写一个浏览器插件,把所有的这些表情包都包括进去,替换掉原版的?

 

好想法,我喜欢!谁以前做过这类插件的,叫我一声一起搞事情啊!

 

啊,我觉得我要吐了!别误会,这些表情做得挺酷的,但是,你懂得……

 

已收入“吓死人”、“晚上看了睡不着觉”系列合集,谢谢分享!


最后,这个作者在Telegram上推出了全套表情的贴纸,还留下了自己的联系方式,如果你想给朋友做一套这样的表情的话,可以去联系他,不过千万要小心哦,这样一套表情包送出去,友谊的小船怕是说翻就翻。

参考链接:
https://www.reddit.com/r/MachineLearning/comments/cvtprp/p_i_applied_the_recent_progressive_face/
https://www.reddit.com/r/MachineLearning/comments/cw39dx/p_i_applied_mark_zuckerbergs_face_to_facebook/
https://rybakov.com/blog/zuckerberg_emojis/

论文地址:
https://arxiv.org/pdf/1908.08239.pdf

登录查看更多
2+

相关内容

A Survey on GANs for Anomaly Detection

异常检测是当前研究领域面临的一个重要问题。检测和正确分类看不见的异常样本是一个具有挑战性的问题,多年来已经有很多方式在解决。

生成式对抗网络(GANs)和对抗训练过程最近已被用于面对这一任务,并产生了显著的结果。在本文中,我们调研了主要GAN-based异常检测方法,突出优点和缺点。我们的贡献是主要的实证验证GAN异常检测模型,在不同的数据集实验结果的增加和公众发布一个完整的开源工具箱使用GAN进行异常检测。

9+
0+
Top