我就说吃瓜群众平常要多关注科技新闻，一个在科技界已经诞生了一年多的“老技术”Deepfake 居然因为“明星换脸”的视频火出了圈。
Pine 发自 凹非寺 量子位 | 公众号 QbitAI DeepFake被用到了电信诈骗里，该怎么破？ 让他转过头，看看他的侧脸就好了。 DeepFake一直以来都存在着这样一个漏洞：当伪造的人脸完全侧着（转90°）时，真实性就会急剧下降。 为什么会出现这样的结果呢？ 外网有这么一篇文章，解析了为什么在侧脸的情况下，面部伪造的效果大打折扣。 侧脸失真的原因 横向限制 使用DeepFake换脸，当人脸是侧角度时，真实性会急剧下降。 这是因为大多数基于2D的面部对齐算法，视捕捉到侧视图的特征点数量仅为主视
没有人可以离开社交媒体（微信、微博、脸书等），朋友圈是维系外界最重要的通道之一，大多数人都是社交媒体的重度使用者。但是，有没有想过，我们在社交媒体上的一些无意识的行为（例如点赞、收藏、上传头像、状态更
没有人可以离开社交媒体（微信、微博、脸书等），朋友圈是维系外界最重要的通道之一，大多数人都是社交媒体的重度使用者。但是，有没有想过，我们在社交媒体上的一些无意识的行为（例如点赞、收藏、上传头像、状态更新、转帖等），其实很深层次的在暴露内心的一些秘密和隐私。
随着深度学习算法登场，人脸识别精度相比五年前已有大幅飞跃。各种设备拍摄人脸所提取的信息会结成数据对，不断积累的海量数据成为反哺技术完善的“充足养料”。 “刷脸”时代带来巨大市场 刷脸进站、刷脸取款、刷
近期，电视剧《狂飙》的爆火，激起了一些UP主的二创激情，将剧中的“CP”角色通过AI换脸移植到其他影视片段中，形成让网友惊呼“眼前一黑”的戏剧化效果，同时也收获了满满流量。乍一看这只是单纯的娱乐行为，但有时诸如”AI换脸“等深度造假技术（Deepfakes）可不只是”逗你笑“这么简单，背后的安全隐患不容忽视。 《狂飙》中安欣和高启强的角色人脸被AI换脸至《西游记》女儿国的桥段中 什么是深度造假？ 深度造假是指将真实图像、视频甚至音频进行替换、伪造，以此可以实现对信息的操纵。要创建质量足以用于深度造假的音视
什么？方案里没有人脸识别，看来你们的方案还是老旧的方案。上面就是客户给你的方案汇报一个总结。是不是很委屈，是不是很郁闷，你是不是想说，我们也不是人脸识别企业，为什么要懂这么多啊。
“这只猪总是用侧脸面对观众，另一面却从来没人见过。奇怪的是，即使从侧颜看去，还是两只眼睛和两个鼻孔。”
跨年龄的人脸识别和验证是一个非常具有挑战性的问题，如果能对年龄进行归一化，去除年龄因素的干扰，将大大提升跨年龄人脸识别的精度。
此前，谷歌和波士顿大学的研究者提出了一种「个性化（Personalization）」的文本到图像扩散模型 DreamBooth，用户只需提供 3~5 个样本 + 一句话，AI 就能定制照片级图像。
人脸识别技术原理简单来讲主要是三大步骤：一是建立一个包含大批量人脸图像的数据库，二是通过各种方式来获得当前要进行识别的目标人脸图像，三是将目标人脸图像与数据库中既有的人脸图像进行比对和筛选。根据人脸识别技术原理具体实施起来的技术流程则主要包含以下四个部分，即人脸图像的采集与预处理、人脸检测、人脸特征提取、人脸识别和活体鉴别。
现如今的人脸识别技术在金融、安防等领域的应用实际上的效果要比实验室里的差很多，某高校引入人脸识别晨读打卡，由于反应速度太慢，到中午还排着很长的队。可见人脸识别技术在实际应用中，由于各种物理因素（光照、角度、对焦、人鱼摄像头的距离等）导致抓拍的图片质量比较差，图片又经过网络传输到局域网进行对比，匹配识别（这个处理过程比较速度太慢），使得实际效果大打折扣。在大多数情况下，实际抓拍图像质量远低于训练图像质量。
英伟达近日提出的新一代 StyleGAN，通过对 StyleGAN 的生成效果分析，他们对不完美的工作设计了改进和优化方法，使得生成图片的质量和效果更上一层楼。
基于3D模型的换脸算法是一类非常经典的思路，它首先对人脸进行三维重建，然后进行姿态对齐，纹理映射和融合改进，能够取得非常好的换脸效果，以“On Face Segmentation, Face Swapping and Face Perception”为代表。
论文地址：https://arxiv.org/pdf/2307.06949.pdf
人脸识别安全人设崩塌，黑客“套路”究竟有多深？在GeekPwn2017国际安全极客大赛上，毕业于浙江大学计算机专业的90后女黑客“tyy”就演示了人脸识别设备的漏洞。通过利用设备本身存在的漏洞，选手仅
美颜是当下直播甚至是所有形式对外展示的一个必备条件。手机端的美颜就像私人化妆师，能够帮助我们实现各种心仪的效果。
欢迎来到《每周CV论文推荐》。在这个专栏里，还是本着有三AI一贯的原则，专注于让大家能够系统性完成学习，所以我们推荐的文章也必定是同一主题的。
机器之心专栏 浙江大学计算机辅助设计与图形学国家重点实验室 来自浙江大学计算机辅助设计与图形学国家重点实验室的研究者，提出了一个鲁棒且易于实现的基于视频序列的人脸胖瘦参数化方法。即使在侧脸、长发、戴眼镜及轻微遮挡等极端情况下，该方法依旧能够取得连续稳定的结果。 短视频的流行催生了基于视频的人脸编辑需求。尽管基于图像的人脸编辑方法已经比较成熟，但直接将基于图像的编辑方法应用于人脸视频通常会产生不稳定、不连续的结果。 浙江大学计算机辅助设计与图形学国家重点实验室在人脸胖瘦参数化研究领域有着较为丰富的经验，他们曾
人脸关键点算法已经从2D人脸渐渐发展变化为3D人脸，2D人脸是给定一副图片，找到图片中人脸关键点，这些关键点都是有着明确语义信息的，或者说都是可见的。而对于3D人脸，本身就是有一个立体结构的，也就是所谓的深度信息。在3D人脸中所要预测出来的关键点数量会远远地多于2D人脸。通过3D人脸关键点定位，能更好的对人脸来进行重构。目前2D人脸对关键点的检测已经相当准确了，从2D过度到3D人脸是一个主要的问题。
导读：目前图像识别技术在很多专业的图像预测领域已经达到甚至超过人类的识别标准，人脸识别的技术目前已经相对成熟，一般对于面部的识别能达到很高的识别准确率。 9月15号上映的《猩球崛起3：终极之战》被网友评为最高级的好莱坞科幻大片，在影片中，主演安迪魔术般的由人演进为猩猩凯撒。这部史诗级别的电影以科幻为视角，以人猿“换脸”，展开最激烈的“战争”。在动作捕捉技术的帮助下，安迪演绎了这个不可能的角色，大量自然光照下的凯撒的面部特写，技术上，近乎100％的以假乱真的真实程度，动作捕捉技术，本质上就是一种数字技术的化
选自metaphysic.ai 作者：Martin Anderson 机器之心编辑部 看似「天衣无缝」的伪造技术，也是有漏洞的。 视频伪造是 Deepfake 技术最为主要的代表，其制作假视频的技术也被称为人工智能换脸（AI face swap)。一直以来，研究者发现 DeepFake 存在着这样一个漏洞：当伪造人脸头部转到 90 度时（侧脸 90 度），对方就能识别视频中的人脸是不是伪造的。 这是怎么回事呢？在最近的一项测试中，技术专家兼评论员 Bob Doyle 允许研究人员进行一些关于人脸伪造的测试，
就在这周，支付宝开放了「宠物鼻纹识别」技术，将根据鼻纹信息创建宠物电子档案，主要应用于为猫、狗等宠物投保「宠物险」。我们验证一下这项技术真的可以帮助区分狗狗的特征吗？
AI 科技评论按：2018 年 4 月 14 日-15 日，中国图象图形学学会围绕「生物特征识别」这一主题，在中科院自动化所举办第四期「CSIG 图像图形学科前沿讲习班」。
---- 新智元报道 编辑：时光 【新智元导读】最近，浙大研究团队实现了对视频中的人像进行改变，调整参数可以扩大或者缩小。 视频可以瘦脸？来看看究竟怎么回事。 这是美国女演员詹妮弗·劳伦斯（Jennifer Lawrence），左边是youtube上的一段原视频，右边则是「瘦脸」之后的她。 微圆的下巴变成了尖的，瓜子脸快成锥子脸了，似乎也显得老了一些。 既然能「瘦脸」，那是不是也可以「宽脸」呢？ 没问题，而且效果拔群，都快要变成国字脸啦。 我们再来给小扎变一个： 一边是「宽脸」，一边是「瘦脸
前一段时间用于人物换脸的deepfake火爆了朋友圈，早些时候Cycle GAN就可以轻松完成换脸任务，其实换脸是计算机视觉常见的领域，比如Cycle GAN ，3dmm，以及下文引用的论文均可以使用算法实现换脸(一定程度上能模仿表情)，而不需要使用PS等软件手工换脸（表情僵硬，不符合视频上下文），只能说deepfake用一个博取眼球的角度切入了换脸算法，所以一开始我并没有太过关注这方面，以为是Cycle GAN干的，后来隐约觉得不对劲，因为GAN系列确实在image to image领域有着非凡的成绩，但GAN的训练是出了名的不稳定，而且收敛时间长，某些特定的数据集时不时需要有些trick，才能保证效果。但deepfake似乎可以无痛的在各个数据集里跑，深入阅读开源代码后(https://github.com/deepfakes/faceswap)，发现这东西很多值得一说的地方和优化的空间才有了这一篇文章。 本文主要包括以下几方面： １.解读deepfake的model和预处理与后处理的算法以引用论文。（目前大多文章只是介绍了其中的神经网络，然而这个项目并不是单纯的end-to-end的输出，所以本文还会涉及其他CV的算法以及deepfake的介绍）。 ２.引入肤色检测算法，提升换脸的视觉效果。
TFace是由腾讯优图实验室研发的可信人脸算法研究项目，重点关注人脸识别、人脸安全、人脸质量等技术领域，通过开源自研的方法，方便研究人员快速复现我们的工作。自开源以来，本项目在业界获得了广泛关注，最近TFace发布了新版本，在优化了原有人脸识别模块的同时，新增了人脸安全模块。
前言 前一段时间用于人物换脸的deepfake火爆了朋友圈，早些时候Cycle GAN就可以轻松完成换脸任务，其实换脸是计算机视觉常见的领域，比如Cycle GAN ，3dmm，以及下文引用的论文均可以使用算法实现换脸(一定程度上能模仿表情)，而不需要使用PS等软件手工换脸（表情僵硬，不符合视频上下文），只能说deepfake用一个博取眼球的角度切入了换脸算法，所以一开始我并没有太过关注这方面，以为是Cycle GAN干的，后来隐约觉得不对劲，因为GAN系列确实在image to image领域有着非凡的成
拍图三十秒，修图半小时，互联网公司们都深谙这种心理，使出浑身解数，让“变脸”更加完美。比如一直针对女性群体，主打拍照的OV手机（OPPO和Vivo），在这两年逆袭走低性价比和高性能的小米。
不论是免费Wi-Fi盗取位置信息，还是儿童智能手表成为窃听工具，都在揭露一个事实：
这怎么可能！后来我才知道，这是人家Deepfake的一个视频，把视频中人物的脸和声音替换了。
4月1日愚人节，也是张国荣的忌日。今天，在哥哥张国荣离开的第16个年头，有网友用AI让张国荣“复活”，并且演唱了经典歌曲《千千阙歌》、《玻璃之情》。
人脸AI技术如今无处不在。不仅手机上有面部识别、换脸、美颜等应用，去年GAN在合成人脸图片上也取得了重大突破。
现在，操纵视觉内容已经很普遍，也是数字社会中最重要的话题之一。比如，DeepFakes 展示了如何使用计算机图形学和视觉技术进行视频换脸，进而破坏别人的声誉。人脸是目前视觉内容操纵方法的主要兴趣点，这有很多原因。首先，人脸重建和追踪是计算机视觉中比较成熟的领域，而它正是这些编辑方法的基础。其次，人脸在人类沟通中起核心作用，因为人脸可以强调某个信息，甚至可以传达某个信息。目前的人脸操纵（facial manipulation）方法分为两类：面部表情操纵和面部身份操纵（见图 2）。最著名的面部表情操纵技术之一 Face2Face 来自于 Thies 等人 [48]。它可基于商用硬件，将一个人的面部表情实时迁移至另一个人。后续的研究（如《Synthesizing Obama: learning lip sync from audio》[45]）能够基于音频输入序列使人脸动起来。《Bringing portraits to life》[8] 可以编辑图像中的面部表情。
现在合成照片的真实感在某些程度上已经比真的还真，在这其中，GANs（生成性对抗网络）和变分自动编码器功不可没。
看人先看脸，不同的人脸往往会给我们留下不同的印象，像蒙娜丽莎圆润的脸颊会让人感受到母性的光辉，而蝙蝠侠面具下坚毅的下巴则透露着浓烈的男子气息。
今天跟大家继续说说人脸检测的一些事，我们是否考虑过人脸检测，到底哪些特征是比较关键性的？？？
近日，网易互娱AI Lab在国际计算机与模式识别会议CVPR 2022图像鉴伪挑战赛（IFDC）中一举斩获冠军，分别以高达99.386%和98.928% 的识别准确率包揽初赛和复赛两阶段的第一名，力压国际、国内共674支参赛队伍，在人脸伪造图像的鉴别方面真正秀了一把实力。 1 背景介绍 近年来，深度伪造技术用于合成内容制作已十分普遍，此类技术在带来便利性的同时也带来了隐私和安全的隐患，其中deepfake等人脸图像篡改技术的恶意应用存在极大危险性。为了应对这一挑战，IFDC挑战赛主要聚焦与人脸图像的伪造检测
---- 新智元报道 编辑：LRS 【新智元导读】人脸识别技术最近又有新的破解方式！一位斯坦福的学生使用GAN模型生成了几张自己的图片，轻松攻破两个约会软件，最离谱的是「女扮男装」都识别不出来。 真的有人能模仿你的脸，还绕开了人脸识别系统！ 最近斯坦福大学的研究人员在arxiv上发布了一篇论文，虽说是斯坦福CS236G的课程作业，不过论文中提出了一个非常有趣的思路，用对抗生成网络GAN生成一个面部图像来模仿目标人脸，看看人脸识别系统能否正确验证。 因为人脸的关键特征信息都保留了下来，所以论文的结果
深度学习在图像分类、物体检测、图像分割等计算机视觉问题上都取得了很大的进展，被认为可以提取图像高层语义特征。基于此，衍生出了很多有意思的图像应用。 为了提升本文的可读性，我们先来看几个效果图。 图1.
雷锋网按：本文内容来自云从科技创始人、中国科学院百人计划周曦博士在硬创公开课的分享。在未改变原意的基础上进行了编辑整理。 明明可以靠脸吃饭”这句话不再只是一个网络段子，随着人脸识别技术的普及，不光可以靠“刷脸”支付吃喝玩乐的花费，现在连银行办业务都可以“刷脸”了。 最近两年，国内各家中小银行和四大行地方分行已经陆续将人脸识别技术用于日常业务，前几日，四大行中的农行更是首先在全国范围应用人脸识别技术。 但是，银行业务光凭“刷脸”真的靠谱吗？本期公开课特意邀请到云从科技创始人、图像识别领域权威周曦博士为大家答疑
始于2019年的刷脸支付战争，在因为疫情冲击而一度“熄火”后，如今又有了重燃的趋势。
6月29日，音视频及融合通信技术技术沙龙圆满落幕。本期沙龙特邀请腾讯云技术专家分享关于最新的低延迟技术、全新的商业直播方案等话题，针对腾讯云音视频及融合通信产品的技术全面剖析，为大家带来纯干货的技术分享。下面是孙祥学老师关于AI技术在视频智能识别和分析中的应用，以及实际落地过程中遇到的挑战以及解决办法的分享。
真实场景下的表情识别一直是令众多研究者十分头疼的课题。这个任务中，尤为令人抓狂的是表情数据集中普遍存在着许多坏的数据（例如被遮挡的人脸，错误的标签或者是模糊不清的图像）。这些数据不仅使得模型难以拟合，还严重拉低了最后的精度。在今年的 CVPR 中，我们惊喜的发现了一篇专门解决这个问题的论文，这篇论文有效的抑制了那些不确定性的数据，并且防止了深度模型对这些坏数据的过拟合。顺藤摸瓜，我们也找到了在 2019 年的 IEEE transactions on image processing 上两篇能有效处理遮挡表情和姿势变化的论文。本篇提前看重点关注 CVPR 2020 中的这篇「Suppressing Uncertainties for Large-Scale Facial Expression Recognition」, 但在解读它之前，我们先有步骤的解读两篇 TIP 作为它的基础，最后详细介绍它的算法和思想。对比性的解读这三篇论文，也许能对研究者们自己的工作有所启发。
无论是物理手段，还是生理手段的“变脸”，互联网审美时代里第一批被AI“变脸”的人已经不是天方夜谭。
本系列是《玩转机器学习教程》一个整理的视频笔记。本章的最后一个小节介绍PCA在人脸识别领域的一个特殊的应用，也就是所谓的特征脸。本小节会介绍什么是特征脸，并通过可视化的方式直观的感受特征脸。
随着小视频越来越流行，兼具趣味与人物个性的人脸特效成为小视频软件的标配，美颜自不必说，现在的人脸特效可谓“千变万化”，人脸年轻化、变欧美范儿、发型改变、各种表情、胖瘦等。
AiTechYun 编辑：xiaoshan.xiang 想象一下，只需要用你的脸对准摄像头，不需要指纹扫描或触摸，就能解锁手机。它只会在没有任何用户干预的情况下自动并且完美地工作。难道不令人感到不可思
2015年的时候笔者开始关注GAN，公众号早期的文章中就有GAN的综述，这些年GAN的相关研究也是持续井喷。这一次咱们学术上的研究撇开不讲，这么多年过去了，GAN有哪些最成功的商业化落地领域？
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频
