你好,这是微视AI还原的李焕英

鱼羊发自凹非寺

量子位报道公众号 QbitAI

看,李焕英这亲切的笑容、明亮的眼眸,是否与银幕上那个她一样有感染力?

你的长辈年轻时,又是否像这张老照片里的人一样,剑眉星目,神采飞扬:

要说最近最火的 AI 玩法,那真是非腾讯微视“会动的老照片”这类特效莫属。

表情迁移技术与基于 GAN 的老照片修复技术强强联合,给人一种打开了时光机的感觉,仿佛真的能与老照片里的人隔空对话,追忆往昔。

△“我的女儿,我就要她健康快乐”

并且用户无需任何加工,只需在微视 APP 里上传一张照片,不到一分钟,都能亲自开启这样的“时间魔法”。

这不,一经上线,就吸引了 15 万用户体验,视频播放量高达 5800 万。

更有不少网友在看到这样特效后直接泪目:

麻瓜的魔法

说起来,让照片动起来的“魔法”,在 2019 年就曾带起一波时尚风潮,令网友直呼“哈利波特”。

比如,来自意大利特伦托大学的一篇 NeurIPS 2019 论文,就介绍了一种名为一阶运动模型(First Order Motion Model)的方法。

通过运动估计模块和图像生成模块,这个 AI 能让川建国和《冰与火之歌》里的史塔克们实现眨眼、摇头神同步。

除了“会动的老照片”,基于这类技术,腾讯微视上还能这样玩:

一键让清朝皇帝们齐唱画画的 baby。

而围绕图像生成,AI 这种麻瓜的魔法能实现的效果,当然还不止如此。

正如前文所提到的,要实现“会动的老照片”这一特效,除了动态的部分,在提升清晰度方面,也少不了 GAN 的功劳——这也是近年来人脸特效方面最热的课题之一。

单单基于 GAN,腾讯微视上就还有这样的玩法:

做人嘛,最重要就是开心。对着镜头笑不出来?AI 分分钟帮你打造完美笑容。

减龄 10 岁,也不在话下。

还能秒变欧美脸。

不过,虽然以上方法相关的开源代码不少,但想把它集成到一个手机 App 里,仍然需要在算法优化和工程实践上下功夫打磨。

具体腾讯微视是如何实现的呢?

首先,在生成模型方面,技术团队针对不同场景,先后研发迭代了三种大模型:

在非成对数据比较丰富的场景下,基于 CycleGAN 思想,打造能够实现有条件生成的 Cycle-StyleGAN 模型。

在只有少量非成对数据的真实人脸生成场景中,采用基于隐向量的属性编辑思想,利用如 StyleGAN 这样的预训练生成模型,在隐向量空间中找出代表目标属性的方向向量,以实现对眉毛、眼睛这样的面部属性的控制。

而在只有少量非成对数据的风格化场景中,技术团队提出了基于小样本的模型融合方法。主要思想是,在收集的少量数据上对预训练模型进行微调,然后,将微调后的模型与原始模型融合得到一个混合模型,这样,该模型既能生成目标风格的图片,又兼具原始预训练模型强大多样的生成能力。

而在动作迁移方面,技术团队实现了实时的轻量化人脸动作迁移。

具体而言,在大模型层面,技术人员借鉴 Monkey-Net 和一阶运动模型等所采用的基于关键点轨迹的反向光流预测方法,先以无监督形式估计每一对关键点的位置,得到稀疏动作光流,再预测加权掩膜得到稠密动作光流。

而为了实现更强的变形能力和动作建模能力,技术人员还引入了透视变换项,使得稀疏动作光流可以学习到更加复杂的变换类型。

而为了实现手机端的实时推断,技术团队还进行了小模型层面的优化:

  • 网络结构优化。对于模型中的各个模块,借鉴 GhostNet 分别设计相应的小模型结构,从而将模型大小缩减 99.2%,GFLOPs 降低 97.7%。
  • 分阶段蒸馏训练。如果直接从零开始训练小模块,模型将无法收敛,主要是因为模块之间为串行关系,前者的输出将作为后者的输入,因此需要采取分阶段训练的策略。同时,引入知识蒸馏的思想,使得小模型可以成功学习到大模型的能力。
  • 工程优化。例如缓存模型当中,需要重复使用的一些常量、优化代码逻辑、节省推断时无需重复进行的步骤等。同时,手机端的部署和实时推理均借助腾讯自研的 TNN 推理框架实现,测试结果显示,对比其他框架,在大部分场景下 TNN 具有一定提速增效的优势。

相关技术人员还透露,针对不同配置的手机,他们进行了有针对性的分档优化。从效果上来看,即使是配置较低的千元机,也能以 15FPS 以上的帧率流畅运行老照片修复这样的特效。

最潮的 AI,也可以低门槛

以上算法实现,均来自腾讯微视拍摄算法团队和腾讯平台与内容事业群(PCG)应用研究中心共同研发。

腾讯微视拍摄算法团队致力于图像/视频方向的技术探索,并依托丰富的业务场景,一直在探索前沿 AI 和 CV 算法在内容生产和消费领域的应用和落地。应用研究中心则被称作腾讯 PCG 的“侦察兵”、“特种兵”,站在腾讯探索、挑战智能媒体相关前沿技术的第一线。

通常而言,特效算法的更新换代节奏很快,从研发到上线,周期大概在 1 到 1 个半月之间。团队成员也坦言:推动技术落地产出,让用户能够低成本、第一时间上手体验,是团队最看重的目标。

但这并不意味着快速迭代是这支技术团队唯一的节奏。

实际上,对前沿技术的主动出击、长期关注正是其技术底气的来源:

对于更加前沿、更有难度的算法,以及一些不常见的模型效果,我们会投入5-6 个月甚至更长的时间去攻坚克难。

在这个过程中,团队会把从算法到工程的框架全部搭好。而这些积累,也就是后续项目能够快速上线的基石。

而多种多样新 AI 玩法的灵感,同样来源于这样对学术前沿、热点的持续关注。

同时,也离不开这样的初衷:

让最潮的 AI 玩法,以最低的门槛跟用户见面。

— 完 —

本文链接

发表评论

您的电子邮箱地址不会被公开。 必填项已用*标注