江苏龙网

  1. 首页 > 资讯 > 科技 > >

腾讯研究院关于“深度合成”技术的十个误解


腾讯研究院关于“深度合成”技术的十个误解
本文插图

作者 | 曹建峰 腾讯研究院高级研究员
随着人工智能时代的到来 ， 下一代媒体将由人工智能驱动 ， 人工智能可能给数字内容领域带来重塑 。 其中 ， 可以实现换脸、人脸合成、语音合成、视频生成甚至数字虚拟人等诸多应用形式的“深度合成”技术 ， 作为人工智能发展到一定阶段的产物 ， 逐步从deepfake、deepnude等色情性的换脸视频的阴影中走了出来 ， 迎来了商业化时代 。 AI虚拟主播、电商平台上的“数字试穿”、电影后期制作、社交产品中的人脸融合、合成人脸和合成虚拟形象用于在线营销、合成声音用于失声患者发声 ， 以及数字虚拟人等创新性的应用持续涌现 ， “深度合成”技术的社会福祉日益彰显 。 但由于对技术的不了解 ， 人们对“深度合成”技术还存在诸多偏见和误解 ， 例如认为“深度合成”就是“深度伪造” ， 认为“深度合成”会彻底冲击社会信任 ， 等等 。 为此 ， 腾讯研究院、腾讯优图实验室共同完成报告《AI生成内容发展报告2020——“深度合成”（deep synthesis）商业化元年》 ， 并基于该报告总结出了人们对该技术的十个误解 ， 希望通过澄清这些误解 ， 帮助人们更全面地了解深度合成技术的发展和应用情况 。
误解1：深度合成技术仅包括AI换脸一种形式 。
实际上 ， 现阶段的深度合成技术 ， 除了广为人知的“AI换脸”以外 ， 还包括人脸再现、人脸生成、语音合成等技术 ， 并朝着全身合成、数字虚拟人等方向发展 。 AI换脸是最早进入公众视野 ， 也是目前应用较多的深度合成形式 ， 可以借助人工智能技术对视频中的人脸进行替换 ， 在一些AI换脸应用中 ， 用户只需上传一张面部照片 ， 就可实现化身电影中的演员、游戏中的角色等效果 。 除此之外 ， “人脸再现”涉及对目标人物的脸部表情进行驱动；“人脸合成”涉及创建媲美真实人脸的全新人脸图像；“语音合成”涉及创建特定的声音模型 ， 可以将文字转化成接近真人语调和节奏的声音 。 同时 ， 深度合成正从局部合成转向全身合成 ， 从二维合成转向3D合成；前者例如对目标人物的全身动作进行操控 ， 后者则以数字虚拟人技术为代表 。 目前 ， 国内外互联网公司纷纷试水数字虚拟人技术 ， 例如 ， 2018年腾讯携手Epic等企业启动“Siren”虚拟人项目 ， 2019年腾讯AI Lab正式发布首个电竞虚拟人“T.E.G”(天鹅静) ， 整合3D人脸和人体重建、文本/语音/口型驱动和神经网络渲染等技术 ， 特别是利用生成对抗网络完成人体动作的迁移 。 随着5G时代的到来 ， 这种捕捉和渲染将会更加灵敏生动 ， 数字虚拟人在游戏、社交、影视、医疗等领域将大有可为 。
误解2：任何人都可以制作高质量、高仿真的深度合成内容 。
深度合成内容的制作门槛已大为降低 ， 但是高质量、高仿真的深度合成内容的制作还未普遍实现 ， 仍需专业技能和专业工具 。 相比于PS等传统的图像处理软件 ， 得益于源代码的开放和易用性工具的开发 ， 深度合成技术的使用门槛已大为降低 ， 普通用户在智能手机、电脑等终端设备上 ， 借助深度合成应用程序 ， 即可轻易制作、获取AI换脸、人脸合成、语音合成等娱乐性的深度合成内容 。 这类合成内容往往较为容易辨别 ， 且存在来源标记 ， 不至以假乱真 。 因此就目前而言 ， 虽然像FakeApp、ZAO这样的软件已经开始让更多的人接触到深度合成技术 ， 但高质量、高仿真的深度合成内容仍然难以创建 ， 需要掌握专业技能和专业工具的专业人员的大量投入 。
误解3：深度合成技术已被大量滥用 ， 用于在社交媒体平台上制作、传播虚假信息 。
实际上 ， 无论是在国内还是在国外 ， 社交媒体平台上涉及政治和政治人物的深度合成视频都是很少见的 ， 深度合成性质的虚假信息也很少 。 此前在国内外引发广泛关注的奥巴马、普京等政治人物的深度合成视频 ， 更多是警示性的和教育性的 ， 意在表明深度合成技术可能出现此类滥用 ， 而非为了传播政治谣言和虚假信息 。 而且主流社交平台已采取了针对深度合成内容的审核政策 ， 因此深度合成内容并未在社交媒体平台中失控 ， 也并未给公众话语权与社会舆论造成扭曲 。 但色情性的深度合成视频 ， 是深度合成技术滥用的重灾区 ， 应予以重视 ， 报告显示 ， 2019年12月全网共有14678个深度合成视频 ， 其中96%属于色情性的深度合成视频 ， 主要存在于色情网站 。


推荐阅读


上一篇：无趣科技谈今年虽是5G爆发的一年，但4G手机还值得考虑？这台手机很适合学生

下一篇：海星科技说魅族17：珠海小厂的“遮丑方案”最美