当互联网大佬们集体唱歌 ， 会擦出怎样的火花？现在 ， 火爆抖音的AI特效 ， 一键就可以实现梦幻联动 。
最近你是不是也被“蚂蚁牙黑”刷屏？打开任意一个社交软件 ， 都可能被这个魔性的音乐洗脑！
文章插图
简单点说 ， 就是把一张静态照片 ， 通过软件制作成一个的动态小视频魔性的表情 ， 加上洗脑的音乐 ， 给不少人带来一波欢乐 。
文章插图
效果之魔性 ， 有网友表示 ， 最近是咋滴啦？！一打开抖音 ， 好像捅了蚂蚁窝 。
文章插图
只需要一张照片
大家一起“蚂蚁呀嘿”！
这款火遍全网的AI特效 ， 只需要一张照片 ， 火速让任何人都可以“蚂蚁呀嘿” 。 正因为这么便捷 ， 果不其然 ， 马上成为了抖音网友们的“新宠” 。
文章插图
“永不过时”的《还珠格格》 ， 也赶上了这趟潮流列车 。
文章插图
王者峡谷里的英雄们 ， 网友们也是没有放过 。
文章插图
除了上面这种九宫格模式外 ， 高端的操作还可以实现集体同框 。 于是 ， “爱玩”的德云社就以这种方式亮相了 。
文章插图
AI黑科技是如何
让照片“动起来唱歌”？
AI ， 是如何搞定各位大佬来唱歌的呢？
让一张照片动起来 ， 人脸跟着音乐一起挤眉弄眼 ， 需要一个叫做一阶运动模型（First Order Motion Model）来搞定 。
技术原理借鉴了去年意大利特伦托大学的一项研究 ， 入选了NIPS 2019 。
文章插图
当时的例子是这样的 。
以川建国同志为参考 ， 来自《冰与火之歌》的演员照片瞬间做到了神同步 。
不光是脸动 ， 一个模特换pose、奔腾的马也都不在话下 。
模型框架主要由2部分构成 ， 运动估计模块和图像生成模块 。
运动估计模块的目的 ， 是预测一个密集的运动场 。 研究人员假设存在一个抽象的参考框架 ， 并且独立估计两个变换 ， 分别是“从参考到源”和“从参考到驱动” ， 这样就能够独立处理源帧和驱动帧 。
而这两种变换 ， 通过使用以自监督方式学习的关键点来获得 。 利用局部仿射变换对每个关键点附近的运动进行建模 。
文章插图
随后 ， 密集运动网络结合局部近似得到密集运动场 。
这个网络还能输出遮挡的mask ， 指示哪些图像的驱动部分可以通过源图像的扭曲（warping）来重建 ， 哪些部分应该被绘制（根据上下文推断） 。
在生成模块按照驱动视频中 ， 提供的源对象移动的图像进行渲染 。
此处 ， 研究人员还使用一个生成器网络 ， 根据密集的运动对源图像进行扭曲 ， 并对源图像中被遮挡的图像部分进行着色 。
训练阶段 ， 研究人员采用了大量的视频序列集合来训练模型 ， 这当中包含了相同类别的对象 。
文章插图
随后在测试阶段 ， 研究人员将模型应用于由源图像和驱动视频的每一帧组成的对 ， 并执行源对象的图像动画 。
最终在质量评估中 ， 这一方法在所有基准上都明显优于当前先进技术 。
文章插图
此前类似研究也很火爆
这种AI特效能够如此火爆 ， 甚至“破圈” ， 让大家玩得不亦乐乎 ， 最主要的原因是方便——不需要任何编程知识 ， 便可完成 。
但在此之前 ， 其实这种AI特效在圈里也是有火过 ， 但都需要一定的计算机能力才可以实现 。
比如 ， 一张名人照片和一个你说话的视频 ， 就可以让梦露学你说话 。
文章插图
还有印度程序员开发的实时动画特效 。 你一动 ， 蒙娜丽莎跟着你一起动 。
文章插图
跟风玩AI特效？
当心存在侵犯肖像权风险！
“蚂蚁呀嘿”虽然很有趣
但还是有必要提醒一下大家
如果使用别人的照片进行制作
可能还存着侵犯肖像权的风险
如果把自己清晰的正面照片上传
一旦“丢脸”将面临哪些风险？
滑动查看详细规定
文章插图
文章插图
文章插图
【ai|火爆全网的“蚂蚁呀嘿”AI变脸特效，是如何实现的？】
文章插图
文章插图
虽然说这些都是潜在的风险
但大家开心的同时
还是要注意：
跟风虽快乐 ， 风险需自知
推荐阅读
- 养老金|2021年上半年办理退休，养老金核算的这些知识要把握
- 量化|量化大师麦教授：美好的不确定性
- 浪胃仙|泡泡龙的离世给所有吃播提了醒，浪胃仙顺势决定“转行”，新职业认真的吗？
- 脑梗死|脑梗死和喝酒有没有关系呢？爱喝酒的朋友，应该看看
- 米歇尔·戴斯玛克特|海奥华预言的真相，地球人被带到九级文明，揭开神话背后的秘密
- 减肥也能吃的小零食，营养美味，低脂低热量，多吃也不怕！
- 1碗面粉，不加水，锅里蒸一蒸，做香甜可口的发糕，比蛋糕还香
- 扇贝最好吃的做法，适合冬日里吃，做法简单好吃不腻，家人超爱吃
- 七种颜色的布丁吃过没有？软糯爽口，Q弹软糯
- 爱吃南瓜饼的收藏，外酥里嫩，香甜软糯，饭桌上必备，做法超简单