昨天，李荣浩因眼睛小而受到热烈追捧。在名为“特效都整不大李荣浩的眼＃”的主题下，有一个李荣浩和杨Rain琳结婚照的变脸视频。换脸后，李荣浩的眼睛完全变成了一条线，孙红雷也转贴了微博。 “五十个步骤，一百个步骤”：这种特殊的效果太厉害了，李先生，有人砍死了你！在这方面，网民评论全部变成“ hahahahaha”。细心的人可能已经注意到视频中的Douyin APP徽标。没错！上述对小眼睛群体不是很友好的特征是“变形漫画”的新特效。在豆阴上将真实人一键转换为漫画的效果的背后是GAN（生成对抗网络）。一键打破尺寸墙。目前，豆阴的特殊效果“转化为漫画”已被广泛使用。已在“本周实时列表”的最高挑战列表中列出。 （2002年6月15日至21日）TOP 1，已被约877.2万用户使用。其中，许多名人拍摄了相同的视频，并且游戏玩法也各不相同。例如，陈鹤拿出了“神秘钥匙”。看起来像苍蝇拍，抬起第二维的海豹。邓子奇擦了擦杯子，换了脸。张宜兴不知道自己有多少次用说唱手势在各个维度之间穿梭。进入第二维度后，名人发型，面部特征和其他细节“被复制”，同时它们也具有俏皮感。但是，将真实的人变成喜剧风格并不少见。近年来，特效相机应用程序层出不穷。用户希望将图片和视频转换为喜剧风格，古代风格，手绘风格，油画风格，甚至想要更改性别或年龄。这不成问题。生成式对抗网络GAN当涉及到换脸时，有一项技术不能被绕过。生成对抗网络GAN。 Leifeng.com（公共帐户：Leifeng.com）之前曾报道说，GAN作为一种深度学习模型，在机器学习中是一个相对较新的概念。它首次出现在2014年10月，然后是著名的Google脑科学家Ian Goodfellow及其团队发表在论文“ Generative Adversarial Networks”中。 （生成对抗网络）。机器学习模型分为两种：生成模型和判别模型。顾名思义，它们各自的功能是根据数据集生成和判断。伊恩·古德费洛（Ian Goodfellow）之所以能够成为“ GAN之父”的原因是在于创造性地提出一种通过对抗来估计生成模型，并同时训练生成模型和判别模型的概念，以便两者可以相互抗衡。生成模型应尽可能多。生成真实图片以欺骗判别模型。同时，判别模型应尝试将生成模型生成的图片与原始数据集区分开。这个过程就像是游戏中两个玩家之间的战斗。起初，他们看上去傻眼了，最后“事实变得越来越清晰”。机器之间的这种自发的相互学习可以说是非常聪明的。 GAN有很多类型，其中最常见的是Cycle GAN。实际上，CycleGAN是人脸转换早期的一项重要尝试。它可以从源转换为目标，也可以进行反向转换，从而容易地了解两个类别之间的转换关系，并更好地保证后转换。画面质量。如上图所示，如果您可以将斑马变成马，那么即使您更改动作，马也可以再次变成斑马。同样，夏天可以更改为冬天，并且在更改场景后，冬天可以更改回夏天。尽管前面提到的Douyin动画变脸特效没有公开特定的技术信息，但先前将人脸变成漫画图像的尝试确实使用CycleGAN，并且相关论文也在2019年7月的预印本中发表。值得一提的是，这项研究使用了所谓的具有里程碑意义的辅助CycleGAN。根据该论文，“地标”被称为“地标”。这不是“地标”我们经常说，但指的是面部特征，因此我们可以将此技术理解为CycleGAN的特殊版本。 “借助于人的面部特征的CycleGAN”。技术方面，让我们看一下效果（雷锋网注：右边第二列是由CycleGAN生成的；右边的列是由CycleGAN借助人的面部特征生成的）。现实中的美丽