找什么对象啊，我每天100次爱上性转的自己

全都是不存在的人丨参考文献1

有只AI能捏出不存在的人脸，不论男女，不论老幼，几乎可以乱真。

这就是地表最强的人脸生成器，英伟达的StyleGAN2。从它出生到现在，足有三个月了。如此漫长的一段日子，还赶上病毒把大量人类憋疯在家里，就没人把这只AI玩坏么？

不可能。至少有些沉迷于性转的死宅，是不会放过它的。一小撮来自俄罗斯的战斗少年，就把StyleGAN2的性别变幻技能，单独释放了出来。哈利波特娘就此诞生：

图丨参考文献2

于是，少年们一鼓作气，用同样的原理把肤色/种族以及年龄变幻大法，都从本体上分离开来：

图丨参考文献2

执行每一个任务的小AI，都能和当下成绩最好的算法媲美，令人感到幸福。

如何挖掘性转技能

来自俄罗斯的互联网公司Yandex以及莫斯科物理技术学院的三个少年，是怎么从一个随意生成人脸的算法里，把性转这个特殊功能分离出来的？他们用的是“蒸馏”（Distillation）技法。

蒸馏的思路，是让StyleGAN2来当老师，它生成的图像里包含了知识，可以拿来训练出一个学生模型。性转AI就是这个学生，作为一个小模型，能够快速完成自己特定的任务。

但问题是，StyleGAN2生成的只是一张一张图，不是一组一组男女对照的图。但学生需要的偏偏是成对的训练数据，该怎么办？

要从人脸生成器的工作方式上入手。生成器其实是依靠一种叫做“潜码”的东西来生产图像的。潜码是一个随机生成的向量（有长度、有方向），只要把它输入给生成器，便得到一张对应的图片。所以需要探索的是，怎样的潜码对应了怎样的性别。

这个问题，可以用一个辨别男女的图像分类AI轻松解决。每输入一张人像，AI就会输出一个性别。

AI除了给出分类结果，还会告诉你它的判断有多笃定。置信分数（Confidence）在0~1之间，分数越高，表示AI越肯定一张图是男是女。为了保证训练数据的质量，分值太低的图会被丢弃丨参考文献2

当然，只判断每一张图的性别是不够的。因为目标是性转，不是把男生变成一个长相完全不同的女生。

接下来，要把所有男生放到一起、所有女生放到一起观察。每人都是一个向量，在空间里对应一个自己的位置。把男生的中心和女生的中心位置算出来，得出两个位置之间的差，依然是个向量。而这个向量的方向，就是性转的方向了。

既有了方向，便很容易造出一组一组男女对应的图：还是随机生成潜码，然后给潜码加上这个向量，减去这个向量，加上向量的1/2，减去向量的1/2。这样，每一张照片可以得到5张图，再按照图像分类器的判断，选出“最男”和“最女”（AI置信分最高）的图片，成对的性转数据集就是这样做好的。

右 = 最男 & 最女丨参考文献2

数据集里有5万个样本，每个样本包括了2张源图（性转前），和1张目标图（性转后）。拿它去训练学生模型，成效斐然：

图丨参考文献2

除了性别变幻之外，肤色改和年龄改也是用同样的原理蒸馏的，几只小AI的成绩都媲美了当下最强的算法。

注意，AI们的训练数据，全部是StyleGAN2出品的合成图像，而测试内容却是修改真实照片。AI表现优良，的确值得少年们骄傲；而这也表示，他们当初选择信任StyleGAN2的图像生成能力，没有选错。

在巨人的肩膀上

可能有些同学还不太认识StyleGAN2，这里就认真介绍一下这只闪闪发光的AI。

从名字能看出它是只GAN，就是生成对抗网络（Generative Adversarial Network）。所谓对抗，指的是AI身体里住着一位画家（生成器），和一位鉴赏家（判别器），相爱相杀：画家看了人类的画作或者照片，努力生成逼真的图像，让鉴赏家以为那就是人类的作品；鉴赏家努力不被骗，激励画家产出更逼真的图像。一来二去两者都变得更强，GAN的画作渐渐以假乱真。

StyleGAN也有这样的双重人格。只是它身体里的画家与众不同，是用一张图的风格（比如色调、纹理）来改造另一张图。

修改图片风格的方法叫“风格迁移”，是Leon Gatys团队的名作，能把猫片变成油画丨Joss Whittle

StyleGAN的开发者把人像照片的风格分成了三种尺度：在粗糙尺度上固定脸型、朝向、发型；在中等尺度上固定发色和五官特征；而在精细尺度上，只是图片的配色会有改变，人不会再变成另一个人了。

左上=粗糙尺度，左中=中等尺度，左下=精细尺度丨参考文献3

初代StyleGAN，其实已经成为了最强的人脸生成器，甚至支持1024×1024高清大图生成。可开发者们依然从算法里挑出了缺憾，并在二代算法中有效填补了缺憾。

比如奇怪的“水滴”瑕疵不见了：

上=初代，下=二代丨参考文献1五官不同步（比如脸的朝向变了，牙齿朝向却没有一起变）的问题也改善了：

下=二代，牙齿和眼球能随着脸的朝向一起转动丨参考文献1

另外，科学家说，三种尺度之间的配合也比从前要自然一些：

图丨参考文献1

于是，新的巅峰出现了。技术宅们自然要抓住调戏它的机会，这才有开头看到的一幕。

生生不息的性转

其实，就算没有StyleGAN，人类拿AI做性转的行径也早就开始了。

2016年，一个叫FaceApp的手机应用降临，几乎举世震惊。“Gender Swap”可能是它最骄傲的功能：

雷布斯娘，王健林娘丨FaceApp

与之相比，就是让十几岁的少年看到自己垂暮的样子，也不会激起更热烈的回响了。

人类对性转（尤其是娘化）这件事的热忱，大概也是技术发展不可缺少的动力吧。

史蒂夫·乔布子表示同意（误）。

图 | Choco

参考文献：

[1] Karras, T., Laine, S., Aittala, M., Hellsten, J., Lehtinen, J., & Aila, T. (2019). Analyzing and improving the image quality of stylegan. arXiv preprint arXiv:1912.04958.

[2] Viazovetskyi, Y., Ivashkin, V., & Kashin, E. (2020). StyleGAN2 Distillation for Feed-forward Image Manipulation. arXiv preprint arXiv:2003.03581.

[3] Karras, T., Laine, S., & Aila, T. (2019). A style-based generator architecture for generative adversarial networks. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (pp. 4401-4410).

作者：栗子

编辑：Odette

本文来自果壳，未经授权不得转载.

如有需要请联系sns@guokr.com