跳到主要內容
人工智慧讓蒙娜麗莎開口說話了!!倒底是怎麼辦到的呢?
日益進步的人工智慧技術竟讓蒙娜麗莎開口說話!!快往下看看~一探究竟吧!!
過去，AI 機器學習研究人員開發了一套系統，它可以利用靜態的人臉照片/肖像呈現出栩栩如生維妙維肖的逼真動作。有了這樣的系統，每一張人像照片都可以變成動畫，彷彿畫中的肖像都變成活生生的人一樣！
日前三星人工智慧研究中心（Samsung AI Center）發表的論文中，就描述了這套系統，該論文已經上傳到 Arxiv (註：一個收集物理學、數學、電腦科學等論文預印本的網站)。該系統使用了新的方法，將「來源臉孔（就是人在做動作時的頭部特寫）」影片上的特徵與｢目標臉孔」的數據對應，讓目標臉孔做出來源臉孔的動作。如以下影片所示：
這些三星駐莫斯科的研究人員在這篇論文也表示，只需要一位人臉的模型，就可以使一個圖像呈現出說話、做各種表情的影片。雖然效果還稱不上是完美，但也足夠假以亂真了。不過在讓這些肖像「活過來」的前提，是需要擁有大量的臉部數據資料。數據越多，表情及動作就越逼真。
他們能夠讓愛因斯坦或是瑪麗蓮夢露等名人的照片、甚至是世界名畫「蒙娜麗莎」，讓他們呈現栩栩如生的動作，生動的表情、動作，彷彿活過來了一樣。例如下圖的蒙娜麗莎合成動畫，就使用了三個不同的「來源臉孔」的影片。最終的成果都有很大的差異。
而且，這個系統還運用了所謂的「生成對抗網絡（GAN）」，也就是讓兩個模型相互對抗，第一個模型彷彿製造贗品的「工匠」，試圖欺騙第二個「鑒别者」模型：我們現在手上有真實的data，「工匠」要做的事就是要做出這個data的「贗品」，而「鑒别者」則是要分辨給他的data是真的還是假的，並且會給出一個回饋。「工匠」根據「鑒别者」給的回饋來「訓練」他的工藝，也就是調整模型的數值；一旦「工匠」將其數值調整到「鑒别者」分誤以為是真的data時，就可以說我們訓練出了一個能夠模擬真正data的模型。
在這些研究人員提供的其他例子中，有些生成的結果，質量差強人意。例如有些例子的來源影片是取自於新聞，結果生成出來的目標影片竟然也有來源影片下方的新聞跑馬燈，跑馬燈上的字幕是用亂碼填充的。雖說如此，但是這個系統，能達到如此的效果已經算是不錯了。不過現在這個系統仍只適用於臉部，你還不能讓蒙娜麗莎跳舞。人工智慧-機器學習仍然有很大的進步空間。
其他閱讀
人人都能是工程師！台灣 IT 培訓中心推「找到工作再付學費」專案，要試試嗎？
