在換臉AI ZAO被負(fù)面評(píng)論淹沒的同時(shí)，一款開源換臉工具FaceSwap今天以超過23000星登上GitHub排行榜。ZAO有風(fēng)險(xiǎn)，用開源軟件自己玩更安全！

換臉AI ZAO仍排在免費(fèi)App下載排行榜第一名，但自8月31日上線以來，ZAO已經(jīng)被負(fù)面評(píng)論淹沒。與其說是一款“爆品”，ZAO更像一款“雷品”。

有人評(píng)論： “才知道條款這么不公平，可惜已經(jīng)晚了，沒有關(guān)注到，現(xiàn)在的人也都不會(huì)去看條款。” “無論出于何種角度，你都不應(yīng)該自己使用這款軟件，除非你想用來做壞事。如果你對(duì)功能好奇，請(qǐng)使用開源軟件自己玩，否則不知道你的照片哪天跑到什么地方。” “垃圾，流氓軟件！” 另一則評(píng)論補(bǔ)充道。 ZAO 是一款 AI 換臉軟件，用戶只需要一張正臉照就可以將視頻中的人物替換為自己的臉，實(shí)現(xiàn)自己的 “明星夢(mèng)”。一時(shí)間，在微信朋友圈以及抖音等社交軟件上被大量用戶的視頻刷屏。

ZAO 盡管ZAO已經(jīng)通過修改用戶協(xié)議來回應(yīng)投訴。新協(xié)議規(guī)定，未經(jīng)用戶事先同意，應(yīng)用程序上生成的內(nèi)容將不再用于其他目的。新協(xié)議還說，如果用戶刪除 ZAO 上的內(nèi)容，該內(nèi)容也將從 ZAO 的數(shù)據(jù)庫中刪除，并聲明用戶有責(zé)任獲得在應(yīng)用程序中使用肖像的授權(quán)。

但網(wǎng)友并不買賬：AppStore 中 ZAO 的評(píng)分已由此前的 4.6 分降至 1.9 分，超過4000條評(píng)論中，不少在批判ZAO的“霸王條款”，許多用戶抱怨隱私問題。 網(wǎng)友的擔(dān)心還因?yàn)閆AO似乎與陌陌公司脫不開干系，據(jù)悉，ZAO 的開發(fā)商為長沙深度融合網(wǎng)絡(luò)科技有限公司，其背后為海南喵咖網(wǎng)絡(luò)科技的全資子公司，該公司兩個(gè)的實(shí)際控制人為雷小亮與王力（分別占股 50%），而雷小亮與王力均是陌陌公司高管。

去年，陌陌被爆出有人在暗網(wǎng)以200元的“白菜價(jià)”兜售陌陌3000萬條用戶數(shù)據(jù)，引發(fā)輿論嘩然。因此，ZAO的隱私保護(hù)問題更令用戶敏感。

faceswap登上GitHub trending AI 換臉并非新鮮事，支持這種被稱為 Deepfakes 的機(jī)器學(xué)習(xí)技術(shù)已經(jīng)相當(dāng)成熟，F(xiàn)aceApp 作為迄今最著名和最臭名昭著的換臉 App 甚至遭到美國封殺。 何不用開源軟件自己玩？開源的AI換臉工具FaceSwap今天登上GitHub熱榜第二，星星數(shù)高達(dá)23103，再次證明換臉的熱度。 用開源軟件玩換臉：FaceSwap登上GitHub熱榜 開源的AI換臉工具FaceSwap今天登上GitHub熱榜第二，星星數(shù)高達(dá)23103，下面是FaceSwap的詳細(xì)使用教程。 FaceSwap是一個(gè)利用深度學(xué)習(xí)來識(shí)別和交換圖片和視頻中的人臉的工具。

在其“聲明”中，開發(fā)者寫道：

FaceSwap不允許用來創(chuàng)建不合適的內(nèi)容的。

FaceSwap不允許在未經(jīng)同意的情況下或?yàn)榱穗[藏其用途而換臉。

FaceSwap不允許用于任何非法、不道德或可疑的目的。

FaceSwap的存在是為了試驗(yàn)和發(fā)現(xiàn)AI技術(shù)，用于社會(huì)或政治評(píng)論、電影以及任何道德和合理用途。

不過，要使用FaceSwap并不難，GitHub repo提供了極為詳細(xì)的訓(xùn)練教程，你需要做的只有：

收集照片和/或視頻

從原始照片中提取人臉

利用從照片/視頻中提取的人臉訓(xùn)練一個(gè)模型

使用訓(xùn)練好的模型對(duì)自己的照片/視頻進(jìn)行換臉

安裝faceswap

硬件要求TL; DR：你至少需要以下其中一項(xiàng)：

一個(gè)強(qiáng)大的 CPU

筆記本電腦 CPU 通常可以運(yùn)行軟件，但速度不夠快，無法以合理的速度進(jìn)行訓(xùn)練

一個(gè)強(qiáng)大的 GPU

目前，Nvidia GPU 完全支持。AMD顯卡通過 plaidML 部分支持。

如果強(qiáng)大的CPU和GPU都沒有，那么你需要非常耐心

支持的操作系統(tǒng)：Windows 10、Linux、macOS，為了運(yùn)行TensorFlow，所有操作系統(tǒng)都必須是64-bit。 獲取 faceswap 代碼建議使用 git 克隆 repo，這樣可以更容易地獲取最新代碼（可以從 GUI 完成） 。 要克隆存儲(chǔ)庫，你可以使用 Git GUI 進(jìn)行分發(fā)或打開命令提示符，輸入要存儲(chǔ) faceswap 的文件夾，然后輸入：

git clone https://github.com/deepfakes/faceswap.git設(shè)置輸入你的虛擬環(huán)境，然后輸入 faceswap 已下載到的文件夾并運(yùn)行：

python setup.py運(yùn)行項(xiàng)目安裝完所有要求的設(shè)置后，就可以嘗試運(yùn)行 faceswap 工具。 使用-h或--help選項(xiàng)作為選項(xiàng)列表。

python faceswap.py -h 或運(yùn)行g(shù)ui以啟動(dòng) GUI

python faceswap.py gui 下面是一個(gè)使用faceswap換臉的結(jié)果示例（來自知乎用戶moto-faith）：

從 Deepfake 到 HeadOn：換臉技術(shù)發(fā)展簡(jiǎn)史

除ZAO、faceswap，如今的變臉技術(shù)已經(jīng)越來越先進(jìn)，甚至達(dá)到不僅換臉，還能“換人”的地步——同時(shí)改變面部表情、眼球運(yùn)動(dòng)和身體動(dòng)作。下面介紹一些換臉技術(shù)的發(fā)展簡(jiǎn)史。

1、Deepfake

我們先看看最大名鼎鼎的 Deepfake 是何方神圣。

Deepfake 即 “deep learning” 和 “fake” 的組合詞，是一種基于深度學(xué)習(xí)的人物圖像合成技術(shù)。它可以將任意的現(xiàn)有圖像和視頻組合并疊加到源圖像和視頻上。

Deepfake 允許人們用簡(jiǎn)單的視頻和開源代碼制作虛假的色情視頻、假新聞、惡意內(nèi)容等。后來，deepfakes 還推出一款名為 Fake APP 的桌面應(yīng)用程序，允許用戶輕松創(chuàng)建和分享換臉的視頻，進(jìn)一步把技術(shù)門檻降低到 C 端。

特朗普的臉被換到希拉里身上

由于其惡意使用引起大量批評(píng)，Deepfake 已經(jīng)被 Reddit、Twitter 等網(wǎng)站封殺。

2、Face2Face

Face2Face 同樣是一項(xiàng)引起巨大爭(zhēng)議的 “換臉” 技術(shù)。它比 Deepfake 更早出現(xiàn)，由德國紐倫堡大學(xué)科學(xué)家 Justus Thies 的團(tuán)隊(duì)在 CVPR 2016 發(fā)布。這項(xiàng)技術(shù)可以非常逼真的將一個(gè)人的面部表情、說話時(shí)面部肌肉的變化、嘴型等完美地實(shí)時(shí)復(fù)制到另一個(gè)人臉上。它的效果如下：

Face2Face 被認(rèn)為是第一個(gè)能實(shí)時(shí)進(jìn)行面部轉(zhuǎn)換的模型，而且其準(zhǔn)確率和真實(shí)度比以前的模型高得多。

3、HeadOn

HeadOn可以說是 Face2Face 的升級(jí)版，由原來 Face2Face 的團(tuán)隊(duì)創(chuàng)造。研究團(tuán)隊(duì)在 Face2Face 上所做的工作為 HeadOn 的大部分能力提供了框架，但 Face2Face 只能實(shí)現(xiàn)面部表情的轉(zhuǎn)換，HeadOn 增加了身體運(yùn)動(dòng)和頭部運(yùn)動(dòng)的遷移。

也就是說，HeadOn 不僅可以 “變臉”，它還可以 “變?nèi)恕薄?根據(jù)輸入人物的動(dòng)作，實(shí)時(shí)地改變視頻中人物的面部表情、眼球運(yùn)動(dòng)和身體動(dòng)作，使得圖像中的人看起來像是真的在說話和移動(dòng)一樣。

HeadOn 技術(shù)的圖示

研究人員在論文里將這個(gè)系統(tǒng)稱為 “首個(gè)人體肖像視頻的實(shí)時(shí)的源到目標(biāo)（source-to-target）重演方法，實(shí)現(xiàn)了軀干運(yùn)動(dòng)、頭部運(yùn)動(dòng)、面部表情和視線注視的遷移”。

4、Deep Video Portraits

Deep Video Portraits是斯坦福大學(xué)、慕尼黑技術(shù)大學(xué)等的研究人員提交給今年 8 月 SIGGRAPH 大會(huì)的一篇論文，描述了一種經(jīng)過改進(jìn)的“換臉”技術(shù)，可以在視頻中用一個(gè)人的臉再現(xiàn)另一人臉部的動(dòng)作、面部表情和說話口型。

例如，將普通人的臉換成奧巴馬的臉。Deep Video Portraits 可以通過一段目標(biāo)人物的視頻（在這里就是奧巴馬），來學(xué)習(xí)構(gòu)成臉部、眉毛、嘴角和背景等的要素以及它們的運(yùn)動(dòng)形式。

5、paGAN：用單幅照片實(shí)時(shí)生成超逼真動(dòng)畫人物頭像

最新引起很大反響的 “換臉” 技術(shù)來自華裔教授黎顥的團(tuán)隊(duì)，他們開發(fā)了一種新的機(jī)器學(xué)習(xí)技術(shù)paGAN，能夠以每秒 1000 幀的速度對(duì)對(duì)人臉進(jìn)行跟蹤，用單幅照片實(shí)時(shí)生成超逼真動(dòng)畫人像，論文已被 SIGGRAPH 2018 接收。

Pinscreen 拍攝了《洛杉磯時(shí)報(bào)》記者 David Pierson 的一張照片作為輸入（左），并制作了他的 3D 頭像（右）。這個(gè)生成的 3D 人臉通過黎顥的動(dòng)作（中）生成表情。這個(gè)視頻是 6 個(gè)月前制作的，Pinscreen 團(tuán)隊(duì)稱其內(nèi)部早就超越了上述結(jié)果。

用AI“反AI”：打擊假視頻，“反換臉”精度高達(dá)99%

在打擊假視頻方面，政府機(jī)構(gòu)和高校沖在了最前線：

MIT GANpaint Studio，既當(dāng)獵手又當(dāng)獵物

因?yàn)镚AN天生的對(duì)抗性特質(zhì)，MIT聲稱其用來生成逼真圖像的工具GANpaint Studio，反過來也可以檢測(cè)圖像的真?zhèn)巍?/p>

美國防部推首款A(yù)I偵測(cè)工具，“反換臉”精度99%！

美國國防部研究機(jī)構(gòu) DAPRA 研發(fā)出了首款“反變臉”的AI刑偵檢測(cè)工具。

這款A(yù)I反變臉刑偵工具是DARPA Media Forensics 計(jì)劃的一部分。早在去年 5 月，DARPA 便提出了要研發(fā)針對(duì)AI變臉技術(shù)的需求，讓現(xiàn)有的刑偵檢測(cè)工具變得自動(dòng)化，能夠檢測(cè)近來涌現(xiàn)的AI假臉。

DARPA Media Forensics 項(xiàng)目負(fù)責(zé)人 Matthew Turek 表示，他們?cè)贕AN生成的假臉中發(fā)現(xiàn)了一些細(xì)微的線索，由此檢測(cè)出圖像或視頻中的臉是真實(shí)的還是AI生成的。

P圖美顏1秒識(shí)破，Adobe伯克利聯(lián)手打造“反PS”神器

Adobe與加州大學(xué)伯克利分校的科學(xué)家們，利用機(jī)器學(xué)習(xí)技術(shù)，就可以檢測(cè)出面部圖像是不是被人為修改過。

這項(xiàng)新研究旨在更好地檢測(cè)圖像、視頻、音頻和文檔的編輯修改，是邁向圖像取證全面推進(jìn)的重要一步。

經(jīng)過訓(xùn)練之后算法非常有效。面對(duì)經(jīng)后期編輯過的面部圖像，人類志愿者選出正確的答案的概率是53%，而算法的判斷正確率高達(dá)99％。這款工具甚至能夠建議如何將照片恢復(fù)成為原來未編輯的狀態(tài)。

伯克利緊急研發(fā)“火眼金睛”防偽克星

除了和Abode合作，加州大學(xué)伯克利分校和南加州大學(xué)的研究人員發(fā)現(xiàn)了一種自動(dòng)識(shí)別這些虛假視頻的新方法：利用當(dāng)前深度技術(shù)中被忽視的一些東西，能從Deepfake制假者未注意到的面部細(xì)節(jié)入手，準(zhǔn)確"揪出"假視頻。

通俗來講，每當(dāng)我們開口說話時(shí)，都會(huì)以微妙但獨(dú)特的方式來移動(dòng)身體，我們的頭、手、眼睛甚至嘴唇都會(huì)產(chǎn)生這樣的運(yùn)動(dòng)。這一切都是在潛意識(shí)里完成的，你沒有意識(shí)到你的身體正在做這件事，大腦也沒有立刻意識(shí)到身體其他部位的運(yùn)動(dòng)發(fā)生在何時(shí)，但從結(jié)果上看，這是一個(gè)目前Deepfake在創(chuàng)造假視頻時(shí)的時(shí)候沒有考慮到的因素。

在實(shí)驗(yàn)中，這款新的AI準(zhǔn)確發(fā)現(xiàn)偽造視頻的幾率達(dá)到了92%，實(shí)驗(yàn)對(duì)象包括使用多種技術(shù)創(chuàng)建的假視頻，以及由于視頻文件被過度壓縮導(dǎo)致圖像質(zhì)量下降的視頻。 其他一些研究 除上述項(xiàng)目外，還有很多人在從事反假視頻的工作。在論文+代碼網(wǎng)站上有一些不錯(cuò)的論文，感興趣的讀者可以看一下： https://paperswithcode.com/task/fake-image-detection