使用Deepnude算法“脱”衣服 原理分析

热门标签

,

特别声明:文章多为网络转载,资源使用一般不提供任何帮助,特殊资源除外,如有侵权请联系!

换脸视频后AI又出偏门应用:用算法“脱掉”女性衣服

使用Deepnude算法“脱”衣服 原理分析

美国科技媒体Motherboard报道,一名程序员最近开发出一款名叫DeepNude的应用,只要给DeepNude一张女性照片,借助神经网络技术,软件可以自动“脱掉”女性身上的衣服,显示出LUO体照片。

目前DeepNude只能处理女性照片,如果原图LUO露的皮肤越多,处理效果越好;而上传男性照片,最后得出的结果还是女性部位。

DeepNude官网已上线,照片可在官网处理,可下载的Windows和Linux应用也在6月23日推出,使用者无需专业知识。

这款应用有免费版和50美元付费版。使用免费版获得的图片会出现较大水印,付费版虽然没有免费版出现的水印,但会在图片左上角加上“FAKE”(虚假)的印章式标注。

Motherboard用几十张照片测试,发现如果输入《体育画报泳装特辑》(Sports Illustrated Swimsuit)的照片,得到的LUO体照片最为逼真。但这一技术还有缺点,多数照片(尤其是低分辨率照片)经过DeepNude处理后,得出的图像会有人工痕迹;而输入卡通人物照片,得出的图像是完全扭曲的。

Motherboard还联系了DeepNude的创建者,此人化名为“阿尔贝托”(Alberto)。他表示,该软件基于加州大学伯克利分校研究者开发的开源算法pix2pix创建,并使用1万张女性LUO图加以训练。这一算法与之前的人工智能换脸技术deepfake算法相似,也和无人车技术所使用的算法相似。

“阿尔贝托”表示,该软件目前之所以只能用于女性照片,是因为女性LUO体图像更容易在网上找到,但他希望能创建一个男性版本的软件。

他还表示,他继续这一实验是出于“有意思”和好奇心。“我不是偷窥狂。我是技术的爱好者,”他说,“继续提升这个算法,最近也是吸取了之前的教训(来自其它创业公司)和经济上的问题,我问我自己是否可以在这个算法上获得经济回报。这就是我创建DeepNude的原因。”

但Motherboard指出,之前就有deepfake在网络上流传,但这种技术很容易就会成为伤害女性的工具——要么在未经同意的前提下使用女性照片,要么在网上恶意散布SQ内容。而DeepNude相当于deepfake技术的进化版,操作更简单,处理速度更快。

 

昨日凌晨,@deepnudeapp 在其推特发表声明,称为了防止DeepNude被滥用,宣布关闭这个网站及程序。

使用Deepnude算法“脱”衣服 原理分析

@deepnudeapp在声明中表示,我们在几个月前创建了这个娱乐项目。我们以为这款应用的传播也在我们可控范围内。事实上,这款应用并不是很完善,它只适用于特定的照片。我们从没想过它会像病毒一样传播开来,以至于我们也无法控制,我们大大低估了用户对这个应用的需求。

尽管采用了安全措施(加水印),但要是有50万人使用它,人们滥用它的可能性就太高了。我们不想用这种方式赚钱。这款应用(制造出来)的一些裸体的副本会在网上被分享,我们不想成为出售这些“作品”的人。另外从其他来源下载或以任何其他方式共享本软件(生成的作品)将违反本网站的条款。从现在开始,DeepNude将不会发布其他版本,也不会授权任何人使用,激活高级版本许可也将停止。


首先文件如图:

使用Deepnude算法“脱”衣服 原理分析

深度学习计算机视觉(猜测)

Image Inpainting

可以参考NVIDIA论文使用部分卷积和基于部分卷积的填充来修复不规则孔的图像。
纸质代码部分转换。论文地址:https://arxiv.org/abs/1804.07723和https://arxiv.org/abs/1811.11718

使用Deepnude算法“脱”衣服 原理分析

在Image_Inpainting实验测试视频的图像界面中,您只需使用工具简单地涂抹图像中不需要的内容。即使形状非常不规则,NVIDIA的模型也可以非常逼真地“恢复”图像。图片填充了涂抹的空白。它可以被描述为一键式P图片,并且“没有ps痕迹”。该研究基于Nvidia的桂林 刘大佬的团队。姬长信也在持续关注他们,他们发布了一种可以编辑图像或重建已损坏图像的深度学习方法,即使图像穿了个洞或丢失了像素。这是目前2018国家最先进的方法。
Pix2Pix(需要配对数据)论文参考:https://arxiv.org/abs/1611.07004
下面是训练Pix2Pix模型200个epochs后产生的输出。

使用Deepnude算法“脱”衣服 原理分析

了解更多信息可以查看https://github.com/tensorflow/docs/blob/master/site/en/r2/tutorials/generative/pix2pix.ipynb

CycleGAN(无需配对数据)

CycleGAN使用循环一致性损失函数来实现训练,而无需配对数据。换句话说,它可以从一个域转换到另一个域,而无需在源域和目标域之间进行一对一映射。这开启了执行许多有趣任务的可能性,例如照片增强,图像着色,样式传输等。只需要源和目标数据集。
参考论文https://arxiv.org/abs/1703.10593
使用Deepnude算法“脱”衣服 原理分析
了解更多信息https://github.com/tensorflow/docs/blob/master/site/en/r2/tutorials/generative/cyclegan.ipynb

Windows版DeepNude使用过程

DeepNude可以真正实现图像到图像的目的,并且生成的图像更加真实。
使用Deepnude算法“脱”衣服 原理分析
使用Deepnude算法“脱”衣服 原理分析
使用Deepnude算法“脱”衣服 原理分析
使用Deepnude算法“脱”衣服 原理分析
ps:删除deepnude根目录中的color.cp36-win_amd64.pyd文件,然后添加color.py文件以获取deepnude的高级版本。

对deepnude下架争取再重新上架的个人建议

1.尺寸。包括156M DeepNude_Windows_v2.0.0.zip和1.90G pyqtlib.rar;
2.速度。转换图片需要30秒;
3.内容。使用图像到图像神经网络自动从女性身上移除衣服以揭示她们的裸露。此应用程序适用于深度学习的错误应用。
 * DeepNude可以使用Tensorflow实现,并使用模型压缩技术。
 * DeepNude应该改变目前不尊重女性的做法。
总结
实际上,可以不需要Image-to-Image。我们可以使用GAN直接从随机值生成图像或从文本生成图像。
Obj-GAN:https://github.com/jamesli1618/Obj-GAN
StoryGAN:https://github.com/yitong91/StoryGAN
微软人工智能研究院(Microsoft Research AI)开发的新 AI 技术可以理解自然语言描述、绘制草图、合成图像,然后根据草图框架和文字提供的个别单词细化细节。换句话说,这个网络可以根据描述日常场景的文字描述生成同样场景的图像。
使用Deepnude算法“脱”衣服 原理分析
当前最优的文本到图像生成模型可以基于单句描述生成逼真的鸟类图像。然而,文本到图像生成器远远不止仅对一个句子生成单个图像。给定一个多句段落,生成一系列图像,每个图像对应一个句子,完整地可视化整个故事。
使用Deepnude算法“脱”衣服 原理分析
文件下载

附件:color.py

文件大小:81b

更新时间:2019-06-29

本站部分下载资源收集于网络,只做学习和交流使用,版权归原作者所有,若为付费资源,请在下载后24小时之内自觉删除,若作商业用途,请到原网站购买,由于未及时购买和付费发生的侵权行为,与本站无关。本站发布的内容若侵犯到您的权益,请联系本站删除,我们将及时处理!

未经允许不得转载:作者:吾爱网络, 转载或复制请以 超链接形式 并注明出处 吾爱博客
原文地址:《使用Deepnude算法“脱”衣服 原理分析》 发布于2019-06-29

分享到:
赞(2) 打赏

评论 抢沙发

3 + 7 =


使用Deepnude算法“脱”衣服 原理分析

长按图片转发给朋友

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

諦覠
欢迎来到吾爱博客~
切换注册

登录

忘记密码 ?

切换登录

注册