全都是不存在的人丨參考文獻1

有隻AI能捏出不存在的人臉，不論男女，不論老幼，幾乎可以亂真。

這就是地表最強的人臉生成器，英偉達的StyleGAN2。從它出生到現在，足有三個月了。如此漫長的一段日子，還趕上病毒把大量人類憋瘋在家裡，就沒人把這隻AI玩壞麼？

不可能。

至少有些沉迷於性轉的死宅，是不會放過它的。

一小撮來自俄羅斯的戰鬥少年，就把StyleGAN2的性別變幻技能，單獨釋放了出來。哈利波特娘就此誕生：

圖丨參考文獻2

於是，少年們一鼓作氣，用同樣的原理把膚色/種族以及年齡變幻大法，都從本體上分離開來：

圖丨參考文獻2

執行每一個任務的小AI，都能和當下成績最好的演算法媲美，令人感到幸福。

如何挖掘性轉技能

來自俄羅斯的網際網路公司Yandex以及莫斯科物理技術學院的三個少年，是怎麼從一個隨意生成人臉的演算法裡，把性轉這個特殊功能分離出來的？

他們用的是“蒸餾”（Distillation）技法。

蒸餾的思路，是讓StyleGAN2來當老師，它生成的影象裡包含了知識，可以拿來訓練出一個學生模型。性轉AI就是這個學生，作為一個小模型，能夠快速完成自己特定的任務。

但問題是，StyleGAN2生成的只是一張一張圖，不是一組一組男女對照的圖。但學生需要的偏偏是成對的訓練資料，該怎麼辦？

要從人臉生成器的工作方式上入手。生成器其實是依靠一種叫做“潛碼”的東西來生產影象的。潛碼是一個隨機生成的向量（有長度、有方向），只要把它輸入給生成器，便得到一張對應的圖片。所以需要探索的是，怎樣的潛碼對應了怎樣的性別。

這個問題，可以用一個辨別男女的影象分類AI輕鬆解決。每輸入一張人像，AI就會輸出一個性別。

AI除了給出分類結果，還會告訴你它的判斷有多篤定。置信分數（Confidence）在0~1之間，分數越高，表示AI越肯定一張圖是男是女。為了保證訓練資料的質量，分值太低的圖會被丟棄丨參考文獻2

當然，只判斷每一張圖的性別是不夠的。因為目標是性轉，不是把男生變成一個長相完全不同的女生。

接下來，要把所有男生放到一起、所有女生放到一起觀察。每人都是一個向量，在空間裡對應一個自己的位置。

把男生的中心和女生的中心位置算出來，得出兩個位置之間的差，依然是個向量。而這個向量的方向，就是性轉的方向了。

既有了方向，便很容易造出一組一組男女對應的圖：還是隨機生成潛碼，然後給潛碼加上這個向量，減去這個向量，加上向量的1/2，減去向量的1/2。這樣，每一張照片可以得到5張圖，再按照影象分類器的判斷，選出“最男”和“最女”（AI置信分最高）的圖片，成對的性轉資料集就是這樣做好的。

右 = 最男 & 最女丨參考文獻2

資料集裡有5萬個樣本，每個樣本包括了2張源圖（性轉前），和1張目標圖（性轉後）。拿它去訓練學生模型，成效斐然：

圖丨參考文獻2

除了性別變幻之外，膚色改和年齡改也是用同樣的原理蒸餾的，幾隻小AI的成績都媲美了當下最強的演算法。

注意，AI們的訓練資料，全部是StyleGAN2出品的合成影象，而測試內容卻是修改真實照片。AI表現優良，的確值得少年們驕傲；而這也表示，他們當初選擇信任StyleGAN2的影象生成能力，沒有選錯。

在巨人的肩膀上

可能有些同學還不太認識StyleGAN2，這裡就認真介紹一下這隻閃閃發光的AI。

從名字能看出它是隻GAN，就是生成對抗網路（Generative Adversarial Network）。

所謂對抗，指的是AI身體裡住著一位畫家（生成器），和一位鑑賞家（判別器），相愛相殺：畫家看了人類的畫作或者照片，努力生成逼真的影象，讓鑑賞家以為那就是人類的作品；鑑賞家努力不被騙，激勵畫家產出更逼真的影象。一來二去兩者都變得更強，GAN的畫作漸漸以假亂真。

StyleGAN也有這樣的雙重人格。

只是它身體裡的畫家與眾不同，是用一張圖的風格（比如色調、紋理）來改造另一張圖。

修改圖片風格的方法叫“風格遷移”，是Leon Gatys團隊的名作，能把貓片變成油畫丨Joss Whittle

StyleGAN的開發者把人像照片的風格分成了三種尺度

：在粗糙尺度上固定臉型、朝向、髮型；在中等尺度上固定髮色和五官特徵；而在精細尺度上，只是圖片的配色會有改變，人不會再變成另一個人了。

左上=粗糙尺度，左中=中等尺度，左下=精細尺度丨參考文獻3

初代StyleGAN，其實已經成為了最強的人臉生成器，甚至支援1024×1024高畫質大圖生成。可開發者們依然從演算法裡挑出了缺憾，並在二代演算法中有效填補了缺憾。

比如奇怪的“水滴”瑕疵不見了：

上=初代，下=二代丨參考文獻1

五官不同步（比如臉的朝向變了，牙齒朝向卻沒有一起變）的問題也改善了：

下=二代，牙齒和眼球能隨著臉的朝向一起轉動丨參考文獻1

另外，科學家說，三種尺度之間的配合也比從前要自然一些：

圖丨參考文獻1

於是，新的巔峰出現了。技術宅們自然要抓住調戲它的機會，這才有開頭看到的一幕。

生生不息的性轉

其實，就算沒有StyleGAN，人類拿AI做性轉的行徑也早就開始了。

2016年，一個叫FaceApp的手機應用降臨，幾乎舉世震驚。“Gender Swap”可能是它最驕傲的功能：

雷布斯娘，王健林娘丨FaceApp

與之相比，就是讓十幾歲的少年看到自己垂暮的樣子，也不會激起更熱烈的迴響了。

人類對性轉（尤其是娘化）這件事的熱忱，大概也是技術發展不可缺少的動力吧。

史蒂夫·喬布子表示同意（誤）。

圖 | Choco

參考文獻

［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。 InProceedings of the IEEE Conference on Computer Vision and Pattern Recognition（pp。 4401-4410）。

作者：栗子

編輯：Odette

一個AI

除了自己，你比較想看誰娘化呢？