来源：TechCrunch，arXiv
编辑：文强，克雷格
现在有很多方法可以美化照片，让你看起来更好看，简单的，比如消除红眼或者镜头眩光，复杂的，甚至可能让你看起来变了一个人。
但是，到目前为止，还没有一个很好的办法处理照相时眨眼的问题：当拍照的那一瞬间眼睛正好闭上了，那么……就只能重新拍一张。
不过，现在好了，Facebook的一项最新研究可以很好地解决这个问题，而且效果惊艳。
Facebook的新技术让你完美睁眼：第一列和第二列是ground truth（分别对应正常和闭眼的情况）；第三列是目前商用软件中效果最好的Adobe Photoshop Elements的结果；第四列是Facebook这次新提出的技术ExGAN。来源：研究论文
深度学习让计算机“脑补”，风格转移合成逼真细节
Facebook在他们发表于CVPR 2018的论文“Eye In-Painting with Exemplar Generative Adversarial Networks”中描述了这项工作。
这里提到的“In-Painting”，也即图像补全，最初是一个传统图形学的问题，在一幅图像上挖一个洞，看如何利用其他的信息将这个洞补全，并且让人眼无法辨别。
这个问题对人类来说似乎很容易，只要稍微想象一下，大家很容易就能脑补出洞里应该有什么。但是，这个任务对于计算机而言却十分困难，因为这个问题没有唯一确定的解，如何利用其他的信息，如何判断补全的结果是否足够逼真，都是要考虑的问题。
近来，深度学习的发展，得益于神经网络对图像中高层特征（high-level feature）的提取能力，研究人员可以将大数据和high-level feature组合起来，使这个十分困难的问题得到了比较好的解决。
例如，2017年，来自伯克利和Adobe等机构的研究人员提出了一种混合优化方法（joint optimization），利用编码器 - 解码器CNN的结构化预测和神经补丁的力量，成功合成了实际的高频细节。
对于给定的一张带有孔洞（256×256）的图像（512×512），算法可以合成出更清晰连贯的孔洞内容（d）。上图展示了混合优化方法与用Context Encoders（b）、PatchMatch（c）这两种方法产生的结果的比较。
类似于风格转移（style transfer），他们的方法将编码器-解码器预测作为全局内容约束，并且将孔洞和已知区域之间的局部神经补丁相似性作为风格（style）约束。
补全眼睛，还是个大问题
但是，上述方法还是存在种种局限，其中之一就是对眼睛的补完。
这并不是说眼睛——“人类心灵的窗口”很难模拟。实际上，目前的深度网络已经能在语义上产生逼真的、令人信服的结果。
但是，大多数方法并不能保留照片中人物的“身份”（identity）。DNN可以学习“打开”一双闭合的眼睛，但是模型本身并不能保证新的眼睛对应于这个人的特定眼睛结构。
DNN只会插入一双与训练集中相似的脸相对应的眼睛。这时候，如果一个人有一些明显的特征，比如眼睛的形状比较特别，就不会在生成的部分中得到体现。
Facebook提出ExGAN，比cGAN更具表现力
Facebook作为全球最大的社交网络，每天乃至每一分钟都有大量用户将自己的照片上传，而其中就有很多是闭眼的照片。
坐拥可能是全球最大的闭眼照片数据集，Facebook的研究人员自然会想，能不能在这个基础上做些什么。
于是，有鉴于生成对抗网络（GAN）在生成逼真图像中的应用，Facebook的Brian Dolhansky和Cristian Canton Ferrer提出了一个Exemplar GANs （ExGANs）。
ExGAN是条件GAN（cGAN）的扩展，利用示例信息，生成高质量、个性化的图像补全。
与以前的条件GAN不同，在判别器网络里插入了额外的参考信息（参考图片或者感知代码），因此ExGAN有更强的表现力。
ExGANs的总体训练流程可以概括为：
-
从输入图像中标出眼睛;
-
以参考图像（reference image）或感知代码（perceptual code）为指导，对图像进行补全;
-
通过输入图像和补全图像之间的内容/重构损失，计算生成器参数的梯度;
-
用补全图像、另一个ground truth图像和参考图像或感知代码，计算鉴别器参数的梯度;
-
通过生成器反向传播鉴别器的误差。还有可选的一步，用感知损失对生成器的参数进行更新。其中，函数C（I）是身份函数。
ExGAN，让闭眼照片完美“开眼”
ExGAN从样例中，不仅了解了这个人的眼睛看的是什么，还了解了这个人的眼睛的结构、瞳孔的颜色，等等。最终补全的结果非常逼真而且自然。
在测试中，人们误把假眼睛睁开的照片当成真实的，或者有超过一半的时间他们不能确定哪个是哪个。看了上面的实例，除非我知道照片肯定是被篡改过的，不然我在信息流中滚动浏览时我可能根本就不会注意到。
在下图中，左边第一列是ground truth，第二列是其他方法，第三列和第四列都是ExGANs的结果。其中，第三列是使用了参考图像的结果，第四列是使用了感知代码的结果。（图片可以点击放大查看。）
在某些情况下，ExGANs仍然会失败，比如当一个人的眼睛被一缕头发遮住了一部分，或者有时不能正确地着色，就会产生一些奇怪的人工痕迹。但这些都是可以解决的问题。
研究者表示，Exemplar GANs是一个通用的框架，因此可以拓展到其他计算机视觉任务乃至其他领域的问题上。
在这次的研究中，基于参考图片和基于感知代码的两种方法是分开的，因为他们想展示这两种方法都是可行的。未来，他们会研究将这两种方法结合在一起，比如在生成器里使用参考图片，在判别器里使用感知代码，从而生成更加逼真可信的眼睛补全。
不论如何，我们的照片将变得更加自然和漂亮，而鉴别“换脸”或者假视频的任务，也将更具挑战。
评论