有圖不一定有真相！NVIDIA AI 現在能混合人臉特徵，創造出全新臉孔
我們都知道類神經網路在圖像造假上有著相當好的表現，但究竟好到何種程度？如果你對不久前 Nvidia 的圖片填空技術還有印象，那麼不妨看看他們最新的成果。
近日公布的論文中，Nvidia 展示了如何參考實際影像憑空創造出一個看起來像是全新的人。在下面的圖片中，你可以看到如何將運用真實人物的原始圖片，將膚色、髮色、臉部特徵等特徵混合在一起，創造出一個看起來像是全新的人。
▲ 第 1 行為基準列，左邊第 1 排為目標參照列，2~4 行為基本風格複製（姿勢、頭髮、臉型），5~6 行為中等風格複製（臉部特徵、眼睛），第 7 行為細部風格複製（配色）。
隨著技術進步，近幾年生成性對抗網路（GANs）產生的圖像解析度和品質已經大有改善，然而因為人臉隨機特徵複雜，一些潛在屬性即使是人們也難以詳細描述，但在過去風格轉換（style transfer）論文的協助下，Nvidia 以某種方式重新設計生成器（generator）架構，使其將圖片視為一系列的「風格」，並在不需人類參與調整的情況下學習訓練，實現特定的風格混合操作。
下方的介紹影片中可以看到更多的詳細內容，其中甚至包含貓咪、車子和房間的混合，透過細微參數調整更可以組成更多全然不同的人臉形象。
AI 創造逼真臉孔的能力可能會引發不安。過去我們已經看到 deepfakes 用來創造非自願色情內容，或是藉由合成讓政治人物說出並未說出口的話，這些工具可能被用於宣傳錯誤資訊，削弱大眾對圖片證據的信任，這種趨勢也可能會損害司法系統和政治。
然而以目前來說，這些能力距離真實世界還有些距離，因為 AI 研究者特別關注產生臉孔的整體能力，人們不能以同樣的真實度來進行何種訓練，同時在專業知識和時間上也有著嚴重的限制，在這個例子中，Nvidia 的研究人員花了一週的時間在 8 個 Tesla GPUs 上訓練模型才創造出這些臉孔。
為了協助未來數位圖片驗證，一些專家已經在考慮全新的方法，像是讓相機應用程式用地理編碼來標記圖片好驗證拍攝時間和地點，但 Nvidia 的工作也顯示了 AI 在造假上的進展速度有多快，可以預見的是，未來幾十年 AI 造假和認證技術之間將會互相拉扯著發展到更好的境界。
（圖片來源：arXiv via NVIDIA）