【GameLook專稿，轉載請註明出處】

GameLook報道/如果創造一個逼真的數字化人像只需要一張簡單的照片會怎樣？在2020計算機視覺和模式識別大會（CVPR）接到的一篇論文裏，來自倫敦帝國大學和初創公司FaceSoft.io的研究者描述裏一種能夠根據圖片實時重建照片級3D形象的系統AvatarMe，後者主要是把AI和機器學習運用於面部分析技術。他們表示，AvatarMe比目前已有的系統有了很大的進步，而且可以通過低分辨率圖片（大頭貼）生成真實化、4Kx6K分辨率的3D面部，還可以做到細緻的光線反射。

從視頻會議到虛擬現實，3D人臉的渲染在各個領域都有着廣泛的應用，但是在沒有人工智能協助的情況下，雖然可以推斷出幾何圖形，但是要在任意場景中繪製人臉，需要更多的細節信息才能做到。

細緻到毛孔：AvatarMe可量產高品質遊戲美術資源

爲了提取這些信息，研究人員使用一個有168盞燈和9個單反相機的LED球形裝置拍攝了200個人扮鬼臉的毛孔級反射圖。然後他們用這些素材來訓練一個人工智能模型“GANFIT”，以便通過紋理合成逼真的圖片，同時優化渲染和輸出之間的“身份匹配”。

與其他生成性對抗網絡（GANs）一樣，GANFIT是由兩部分組成的模型，由一個生成樣本的生成器和一個試圖分辨生成樣本和真實樣本的鑑別器組成。生成器和鑑別器各自的能力都得到了提高，直到鑑別器無法將真實的案例與合成的案例區分開來，其準確率超過了預期的50%。

AvatarMe流程的另一個組件增強了紋理分辨率，同時第三個組件移除了GANFIT帶來的烘焙光照。隨後，一個單獨的模塊通過照明紋理預測皮膚結構（如毛孔、皺紋或頭髮）的每像素反射率，甚至可以預估表面細節（比如細皺紋、疤痕和皮膚毛孔）。

研究人員表示，在這個實驗中，AvatarMe在最終渲染當中不產生任何僞影並且成功處理了“極限”毛孔和太陽鏡等遮擋物。反射率是一致的，即使在不同的環境中，系統也能“真實地”照亮被照明對象。

AvatarMe也並非沒有侷限。訓練數據集沒有包含許多來自特定族屬的對象案例，這導致當它試圖重建深色皮膚對象的臉時表現不佳。而且面部重建並不是完全獨立於輸入的照片，因此，光線充足、分辨率較高的圖像可以產生更精確的結果。然而，論文合著者斷言，這是第一個用任意肖像圖像（包括黑白和手繪草圖）實現“渲染就緒”面部的方法。

AvatarMe只是最近的自動藝術生成AI系統，這一工作此前都是通過手工完成的。Startup Promethean AI利用機器學習幫助人類藝術家爲遊戲創造美術資源。Nvidia的研究人員最近展示了一種生成模型，可以使用視頻片段打造虛擬環境。其他方面，機器學習已經被用來拯救像《最終幻想七》和《塞爾達傳奇：暮光公主》這樣的懷舊遊戲中遺留的遊戲紋理，並在《毀滅戰士》這樣的遊戲中從頭開始生成數千個關卡。

整形醫生與助理教授創業：他們是如何做出世界頂級面部識別算法的？

2017年的時候，整形外科醫生Allan Ponniah正在爲兒童做面部畸形修正手術，隨後他遇到一個特別的案例，需要一個適合的面部模型，而且需要大量的臉型來找到最佳的設計。

這個需求讓他找到了機器學習與計算機視覺助理教授Dr Stefanos Zafeiriou。Allan解釋稱，他一直都試圖找到結果，Dr Zafeiriou通過創造軟件來生成和打造特別3D臉型的方式解決了Allan的問題。

兩人都意識到了這個技術的效率，隨後想要把強大的面部技術帶向市場，這樣就可以被用於各種不同的用途，於是他們成立了Facesoft公司。

Facesoft提供雲基礎API方案爲各種用途提供面部識別技術，比如安檢、政府、金融、醫療和剛剛進入的遊戲與虛擬現實領域。

隨着AI的潛力每年遞增，該技術將進一步提高，據外媒透露，Facesoft技術的面部識別精準度超過98%。其算法非常連貫的一個因素是該公司收集的人臉數據多樣性很高。人臉識別軟件經常會遇到的一個問題是，在識別不同族羣、年齡和性別的時候，檢測準確率往往會出現波動。

這個級別的面部識別對於安檢領域來說非常重要，因爲它有可能在行動之前就阻止犯罪案件的發生。探測算法可以在特定社區、建築或者區域，從一個持續犯罪分子數據庫中識別任何一張臉。

如若轉載，請註明出處：http://www.gamelook.com.cn/2020/06/389499