真假人 ------- 一線之隔
真假人 ------- 一線之隔
黃偉嘉 同學
A Style-Based Generator Architecture for Generative Adversarial Networks
黃偉嘉 同學
A Style-Based Generator Architecture for Generative Adversarial Networks
目前GAN的技術日漸發達，以前的GAN雖可產生非常擬真的真人照片，但是總會帶有一點小缺陷，比如說鼻子移位、鬥雞眼……等等，GAN雖可產生出非常清晰的照片，但一些小細節往往沒辦法訓練的很好，而在這之後有人提出了一些解決的方案，比如說加上VAE的部分，透過VAE產生合理的照片，再利用GAN去加強細微的部分，確實有顯著的提升，但生成出來的照片，會有略帶模糊的感覺，肉臉眼上還是很容易可以分辨得出來是真假人。
而NVIDIA不斷的在GAN進行改進，在這部影片中可以清楚的看到，在訓練的時候可以增加一些控制的因素，以及循序的訓練方法，加強GAN的穩定性，另外搭上Info-GAN的想法，可以透過不同去調整想要調整的特徵，如影片中可以從一個人慢慢地轉變到另一個人，並且是無違和感的。
這個結果看起來非常的驚人，但是這也造成了一些隱憂，在之後網路上的影片中的人物，或許那並不是他本人，而是利用GAN去產生的，極有可能可以冒用他人的身分、照片，去以假亂真，這是非常值得我們深思的點。
而NVIDIA不斷的在GAN進行改進，在這部影片中可以清楚的看到，在訓練的時候可以增加一些控制的因素，以及循序的訓練方法，加強GAN的穩定性，另外搭上Info-GAN的想法，可以透過不同去調整想要調整的特徵，如影片中可以從一個人慢慢地轉變到另一個人，並且是無違和感的。
這個結果看起來非常的驚人，但是這也造成了一些隱憂，在之後網路上的影片中的人物，或許那並不是他本人，而是利用GAN去產生的，極有可能可以冒用他人的身分、照片，去以假亂真，這是非常值得我們深思的點。