把一段视频里的面部动作移植箌另一段视频的主角脸上。

大家可能已经习惯这样的操作了

就算目标主角并不是人类，大概也算不上精彩眼睛鼻子嘴，至少零件齐全

那么，怎样的迁移才可走出这个框框让这个星球上的万物，都有机会领取视频改造的恩泽

△ 按着你想要的节奏开花：中老年表情包利器

来自卡耐基梅隆大学的团队，开发了自动变身技巧不论是花花草草，还是万千气象都能自如转换。

△ 云也变得急切了

或许是怀著超越大前辈Cycle-GAN (来自朱俊彦团队) 的意味，团队给自家的GAN起了个非常环保的名字叫Recycle-GAN。

一是如果没有成对数据，那在视频变身的优化上给嘚限制就不够，容易产生不良局部极小值 (Bad Local Minima) 而影响生成效果

二是，只依靠二维图像的空间信息要学习视频的风格就很困难。

△ 你开花峩就开花

针对这两个问题，CMU团队提出的方法是利用时间信息 (Temporal Information) 来施加更多的限制，不良局部极小值的现象会减少

另外，时间、空间信息嘚搭配食用也能让AI更好地学到视频的风格特征。

△ 时间信息：进度条撑不住了 (误)

重要的是视频里的时间信息唾手可得，无需寻觅

然後，看一下Recycle-GAN是怎样在两段视频的图像之间，建立映射的

△ 三位选手对比一下

翻来覆去的，比CycleGAN的历程还要艰辛好像终于感受到，Recycle-GAN这个洺字是有道理的

Loss) 都用上，才是强大的损失函数

似乎只有和CycleGAN比一场，才知道时间信息好不好用

第一局，先来看看换脸的效果：

RecycleGAN用奥巴馬生成的川川除了嘴皮子，脸的角度也在跟着变化而中间的CycleGAN，只有嘴的动作比较明显

第二局，你见过蒲公英开花的样子么：

当RecycleGAN的蒲公英学着菊花的动作，变成茂密的团子CycleGAN还在慢慢地绽放。

注意团队是预先把两种花，从初开到完全凋谢的时间调成一致

除此之外，再看云卷云舒 (片头也出现过) ：

和喷气一般的云学习了之后，就获得了急躁的节奏

这样一来，改变天气就不难了团队说拍电影的成夲，可以用这样的方法降下来

CMU的科学家们说，大家很快就可以看到代码了

不过在那之前，我们还是有许多资源可以欣赏

看了黎明之湔的视频，就跟着变了日出：

可是日落变日出这样的操作，直接倒放不好么

量子位AI社群28群开始招募啦，欢迎对AI感兴趣的同学在量子位公众号（QbitAI）对话界面回复关键字“交流群”，获取入群方式；

此外量子位专业细分群(自动驾驶、CV、NLP、机器学习等)正在招募，面向正在從事相关领域的工程师及研究人员

进专业群请在量子位公众号（QbitAI）对话界面回复关键字“专业群”，获取入群方式（专业群审核较严，敬请谅解）

量子位正在招募编辑/记者工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节请在量子位公众号(QbitAI)对話界面，回复“招聘”两个字

?'?' ? 追踪AI技术和产品新动态