酷应用

ZAO有风险！开源换脸工具FakeSwap今登GitHub排行榜，你也可以玩！

百家作者：新智元 2019-09-03 05:01:21

新智元报道

编辑：肖琴、鹏飞

【新智元导读】在换脸AI ZAO被负面评论淹没的同时，一款开源换脸工具FaceSwap今天以超过23000星登上GitHub排行榜。ZAO有风险，用开源软件自己玩更安全！

换脸AI ZAO仍排在免费App下载排行榜第一名，但自8月31日上线以来，ZAO已经被负面评论淹没。与其说是一款“爆品”，ZAO更像一款“雷品”。

有人评论：

“才知道条款这么不公平，可惜已经晚了，没有关注到，现在的人也都不会去看条款。”

“无论出于何种角度，你都不应该自己使用这款软件，除非你想用来做坏事。如果你对功能好奇，请使用开源软件自己玩，否则不知道你的照片哪天跑到什么地方。”

“垃圾，流氓软件！” 另一则评论补充道。

ZAO 是一款 AI 换脸软件，用户只需要一张正脸照就可以将视频中的人物替换为自己的脸，实现自己的 “明星梦”。一时间，在微信朋友圈以及抖音等社交软件上被大量用户的视频刷屏。

ZAO

尽管ZAO已经通过修改用户协议来回应投诉。新协议规定，未经用户事先同意，应用程序上生成的内容将不再用于其他目的。新协议还说，如果用户删除 ZAO 上的内容，该内容也将从 ZAO 的数据库中删除，并声明用户有责任获得在应用程序中使用肖像的授权。

但网友并不买账：App Store 中 ZAO 的评分已由此前的 4.6 分降至 1.9 分，超过4000条评论中，不少在批判ZAO的“霸王条款”，许多用户抱怨隐私问题。

网友的担心还因为ZAO似乎与陌陌公司脱不开干系，据悉，ZAO 的开发商为长沙深度融合网络科技有限公司，其背后为海南喵咖网络科技的全资子公司，该公司两个的实际控制人为雷小亮与王力（分别占股 50%），而雷小亮与王力均是陌陌公司高管。

去年，陌陌被爆出有人在暗网以200元的“白菜价”兜售陌陌3000万条用户数据，引发舆论哗然。因此，ZAO的隐私保护问题更令用户敏感。

faceswap登上GitHub trending

AI 换脸并非新鲜事，支持这种被称为 Deepfakes 的机器学习技术已经相当成熟，FaceApp 作为迄今最著名和最臭名昭著的换脸 App 甚至遭到美国封杀。

何不用开源软件自己玩？开源的AI换脸工具FaceSwap今天登上GitHub热榜第二，星星数高达23103，再次证明换脸的热度。

用开源软件玩换脸：FaceSwap登上GitHub热榜

开源的AI换脸工具FaceSwap今天登上GitHub热榜第二，星星数高达23103，下面是FaceSwap的详细使用教程。

FaceSwap是一个利用深度学习来识别和交换图片和视频中的人脸的工具。

在其“声明”中，开发者写道：

FaceSwap不允许用来创建不合适的内容的。
FaceSwap不允许在未经同意的情况下或为了隐藏其用途而换脸。
FaceSwap不允许用于任何非法、不道德或可疑的目的。
FaceSwap的存在是为了试验和发现AI技术，用于社会或政治评论、电影以及任何道德和合理用途。

不过，要使用FaceSwap并不难，GitHub repo提供了极为详细的训练教程，你需要做的只有：

收集照片和/或视频
从原始照片中提取人脸
利用从照片/视频中提取的人脸训练一个模型
使用训练好的模型对自己的照片/视频进行换脸

安装faceswap

硬件要求

TL; DR：你至少需要以下其中一项：

一个强大的 CPU

笔记本电脑 CPU 通常可以运行软件，但速度不够快，无法以合理的速度进行训练

一个强大的 GPU

目前，Nvidia GPU 完全支持。AMD显卡通过 plaidML 部分支持。

如果强大的CPU和GPU都没有，那么你需要非常耐心

支持的操作系统：Windows 10、Linux、macOS，为了运行TensorFlow，所有操作系统都必须是64-bit。

获取 faceswap 代码

建议使用 git 克隆 repo，这样可以更容易地获取最新代码（可以从 GUI 完成）。

要克隆存储库，你可以使用 Git GUI 进行分发或打开命令提示符，输入要存储 faceswap 的文件夹，然后输入：

git clone https://github.com/deepfakes/faceswap.git

设置

输入你的虚拟环境，然后输入 faceswap 已下载到的文件夹并运行：

python setup.py

运行项目

安装完所有要求的设置后，就可以尝试运行 faceswap 工具。

使用-h或--help选项作为选项列表。

python faceswap.py -h

或运行gui以启动 GUI

python faceswap.py gui

下面是一个使用faceswap换脸的结果示例（来自知乎用户moto-faith）：

从 Deepfake 到 HeadOn：换脸技术发展简史

除ZAO、faceswap，如今的变脸技术已经越来越先进，甚至达到不仅换脸，还能“换人”的地步——同时改变面部表情、眼球运动和身体动作。下面介绍一些换脸技术的发展简史。

1、Deepfake

我们先看看最大名鼎鼎的 Deepfake 是何方神圣。

Deepfake 即 “deep learning” 和 “fake” 的组合词，是一种基于深度学习的人物图像合成技术。它可以将任意的现有图像和视频组合并叠加到源图像和视频上。

Deepfake 允许人们用简单的视频和开源代码制作虚假的色情视频、假新闻、恶意内容等。后来，deepfakes 还推出一款名为 Fake APP 的桌面应用程序，允许用户轻松创建和分享换脸的视频，进一步把技术门槛降低到 C 端。

特朗普的脸被换到希拉里身上

由于其恶意使用引起大量批评，Deepfake 已经被 Reddit、Twitter 等网站封杀。

2、Face2Face

Face2Face 同样是一项引起巨大争议的 “换脸” 技术。它比 Deepfake 更早出现，由德国纽伦堡大学科学家 Justus Thies 的团队在 CVPR 2016 发布。这项技术可以非常逼真的将一个人的面部表情、说话时面部肌肉的变化、嘴型等完美地实时复制到另一个人脸上。它的效果如下：

Face2Face 被认为是第一个能实时进行面部转换的模型，而且其准确率和真实度比以前的模型高得多。

3、HeadOn

HeadOn 可以说是 Face2Face 的升级版，由原来 Face2Face 的团队创造。研究团队在 Face2Face 上所做的工作为 HeadOn 的大部分能力提供了框架，但 Face2Face 只能实现面部表情的转换，HeadOn 增加了身体运动和头部运动的迁移。

也就是说，HeadOn 不仅可以 “变脸”，它还可以 “变人”—— 根据输入人物的动作，实时地改变视频中人物的面部表情、眼球运动和身体动作，使得图像中的人看起来像是真的在说话和移动一样。

HeadOn 技术的图示

研究人员在论文里将这个系统称为 “首个人体肖像视频的实时的源到目标（source-to-target）重演方法，实现了躯干运动、头部运动、面部表情和视线注视的迁移”。

HeadOn 的视频演示：

4、Deep Video Portraits

Deep Video Portraits 是斯坦福大学、慕尼黑技术大学等的研究人员提交给今年 8 月 SIGGRAPH 大会的一篇论文，描述了一种经过改进的 “换脸” 技术，可以在视频中用一个人的脸再现另一人脸部的动作、面部表情和说话口型。

例如，将普通人的脸换成奥巴马的脸。Deep Video Portraits 可以通过一段目标人物的视频（在这里就是奥巴马），来学习构成脸部、眉毛、嘴角和背景等的要素以及它们的运动形式。

5、paGAN：用单幅照片实时生成超逼真动画人物头像

最新引起很大反响的 “换脸” 技术来自华裔教授黎颢的团队，他们开发了一种新的机器学习技术paGAN，能够以每秒 1000 帧的速度对对人脸进行跟踪，用单幅照片实时生成超逼真动画人像，论文已被 SIGGRAPH 2018 接收。具体技术细节请看新智元的头条报道。

Pinscreen 拍摄了《洛杉矶时报》记者 David Pierson 的一张照片作为输入（左），并制作了他的 3D 头像（右）。这个生成的 3D 人脸通过黎颢的动作（中）生成表情。这个视频是 6 个月前制作的，Pinscreen 团队称其内部早就超越了上述结果。

用AI“反AI”：打击假视频，“反换脸”精度高达99%

在打击假视频方面，政府机构和高校冲在了最前线：

MIT GANpaint Studio，既当猎手又当猎物

因为GAN天生的对抗性特质，MIT声称其用来生成逼真图像的工具GANpaint Studio，反过来也可以检测图像的真伪。

美国防部推首款AI侦测工具，“反换脸”精度99%！

美国国防部研究机构 DAPRA 研发出了首款“反变脸”的AI刑侦检测工具。

这款AI反变脸刑侦工具是 DARPA Media Forensics 计划的一部分。早在去年 5 月，DARPA 便提出了要研发针对AI变脸技术的需求，让现有的刑侦检测工具变得自动化，能够检测近来涌现的AI假脸。

DARPA Media Forensics 项目负责人 Matthew Turek 表示，他们在GAN生成的假脸中发现了一些细微的线索，由此检测出图像或视频中的脸是真实的还是AI生成的。

P图美颜1秒识破，Adobe伯克利联手打造“反PS”神器

Adobe与加州大学伯克利分校的科学家们，利用机器学习技术，就可以检测出面部图像是不是被人为修改过。

这项新研究旨在更好地检测图像、视频、音频和文档的编辑修改，是迈向图像取证全面推进的重要一步。

经过训练之后算法非常有效。面对经后期编辑过的面部图像，人类志愿者选出正确的答案的概率是53%，而算法的判断正确率高达99％。这款工具甚至能够建议如何将照片恢复成为原来未编辑的状态。

伯克利紧急研发“火眼金睛”防伪克星

除了和Abode合作，加州大学伯克利分校和南加州大学的研究人员发现了一种自动识别这些虚假视频的新方法：利用当前深度技术中被忽视的一些东西，能从Deepfake制假者未注意到的面部细节入手，准确"揪出"假视频。

通俗来讲，每当我们开口说话时，都会以微妙但独特的方式来移动身体，我们的头、手、眼睛甚至嘴唇都会产生这样的运动。这一切都是在潜意识里完成的，你没有意识到你的身体正在做这件事，大脑也没有立刻意识到身体其他部位的运动发生在何时，但从结果上看，这是一个目前Deepfake在创造假视频时的时候没有考虑到的因素。