表情編輯技術(shù)在特效和修圖場景有著廣泛的應(yīng)用。此前,剪映、醒圖等app上的一鍵變笑臉模板一經(jīng)上線就立刻成為出圈爆款;在抖音上,這一特效還引發(fā)了熱烈的話題討論,「笑得很好下次別笑了」一度登頂抖音話題熱榜。
近日, 在AI領(lǐng)域的頂級會(huì)議AAAI2023上,來自字節(jié)跳動(dòng)智能創(chuàng)作團(tuán)隊(duì)的3篇關(guān)于表情編輯GAN技術(shù)的論文入選,揭示了上述爆款特效背后的技術(shù)實(shí)現(xiàn)方法。據(jù)了解,AAAI2023共收到了 8,777 有效投稿,最終接受了 1,721 篇論文,總體接受率19.6% 。
ReGANIE: Rectifying GAN Inversion Errors for Accurate Real Image Editing(https://arxiv.org/abs/2301.13402)
Semantic 3D-aware Portrait Synthesis and Manipulation Based on Compositional Neural Radiance Field(https://arxiv.org/abs/2302.01579)
CFFT-GAN: Cross-domain Feature Fusion Transformer for Exemplar-based Image Translation
(https://arxiv.org/abs/2302.01608)
“一鍵變笑臉”背后的技術(shù)方案:
第一階段,團(tuán)隊(duì)利用預(yù)訓(xùn)練的3D人臉重建模型,提取3DMM表情系數(shù)并注入到StyleGAN的w空間。同時(shí),渲染出3D shape用作約束條件,訓(xùn)練特定人臉表情的生成。第一階段訓(xùn)練完成就可以生產(chǎn)大量的配對數(shù)據(jù),訓(xùn)練服務(wù)端或移動(dòng)端的pix2pix模型,從而實(shí)現(xiàn)特定表情的編輯。
StyleGAN作為應(yīng)用最廣泛的無條件 GAN 之一,能夠?qū)崿F(xiàn)高保真圖像的生成,同時(shí)也便于在其隱空間內(nèi)進(jìn)行語義編輯。團(tuán)隊(duì)借助StyleGAN自研了人像屬性編輯框架,可以輕易地實(shí)現(xiàn)如人像表情等屬性的編輯效果。詳細(xì)技術(shù)方案見:https://arxiv.org/abs/2109.10737
然而,基于StyleGAN生成的人臉(假圖)和真實(shí)人臉圖像還是有一定的差異,這體現(xiàn)在用假圖訓(xùn)練好的pix2pix模型直接應(yīng)用于自拍特效或者修圖場景會(huì)不可避免的產(chǎn)生一些bad case,因此需要借助StyleGAN反演能力,生產(chǎn)真實(shí)人臉的配對數(shù)據(jù)用于模型訓(xùn)練。
過去,基于StyleGAN的重建和編輯存在trade-off問題,即提升真實(shí)圖像的重建效果會(huì)影響屬性的編輯效果。先前的方法針對性地優(yōu)化了StyleGAN的重建和編輯任務(wù),但沒能從原理上解決上述問題。團(tuán)隊(duì)提出了ReGANIE,通過二階段修復(fù)重建的誤差的方法,在不影響StyleGAN本身編輯能力的同時(shí),大幅地提升了圖像重建的效果,從根本上解決了這個(gè)trade-off問題。
因此,團(tuán)隊(duì)利用ReGANIE和StyleGAN編輯模型可以生產(chǎn)真實(shí)人像的表情配對數(shù)據(jù),還實(shí)驗(yàn)了如卡通肖像,動(dòng)物肖像等場景擴(kuò)展。
另外,團(tuán)隊(duì)探索了將神經(jīng)輻射場(Nerf)技術(shù)和StyleGAN技術(shù)進(jìn)行結(jié)合,結(jié)合人像分割能力提出了3D一致性的肖像合成與編輯技術(shù)Semantic3D,實(shí)現(xiàn)了肖像數(shù)據(jù)的姿態(tài)和局部可控性。
它借由視角v的輸入可以靈活生成不同姿態(tài)的肖像圖,從而可以擴(kuò)充訓(xùn)練數(shù)據(jù)的姿態(tài)多樣性。同時(shí),基于組合式生成的思想,讓StyleGAN的隱空間操縱聚焦于期待編輯的屬性,如只編輯面部區(qū)域表情而不改變頭發(fā)或背景。
據(jù)團(tuán)隊(duì)介紹,未來,基于GAN等生成技術(shù)對人像表情進(jìn)行編輯將主要應(yīng)用于短視頻特效、修圖拍攝和內(nèi)容生成等應(yīng)用場景。目前,相關(guān)功能可在抖音,剪影,醒圖等APP體驗(yàn),企業(yè)用戶可登陸火山引擎官網(wǎng)(https://www.volcengine.com/product/emotion-edit)使用表情編輯服務(wù)。
智能創(chuàng)作團(tuán)隊(duì)是字節(jié)跳動(dòng)AI&多媒體技術(shù)中臺(tái),通過建設(shè)領(lǐng)先的計(jì)算機(jī)視覺、音視頻編輯、特效處理等技術(shù),支持抖音、剪映、頭條等公司內(nèi)眾多產(chǎn)品線;同時(shí)通過火山引擎為外部ToB合作伙伴提供業(yè)界前沿的智能創(chuàng)作能力與行業(yè)解決方案。(作者:黃峰)
近日,德國柏林國際電子消費(fèi)品展覽會(huì)(IFA2024)隆重舉辦。憑借在核心技術(shù)、產(chǎn)品設(shè)計(jì)及應(yīng)用方面的創(chuàng)新變革,全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)成功斬獲兩項(xiàng)“IFA全球產(chǎn)品設(shè)計(jì)創(chuàng)新大獎(jiǎng)”金獎(jiǎng),有力證明了其在全球市場的強(qiáng)大影響力。
近日,中國家電及消費(fèi)電子博覽會(huì)(AWE 2024)隆重開幕。全球領(lǐng)先的智能終端企業(yè)TCL實(shí)業(yè)攜多款創(chuàng)新技術(shù)和新品亮相,以敢為精神勇闖技術(shù)無人區(qū),斬獲四項(xiàng)AWE 2024艾普蘭大獎(jiǎng)。
“以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
由世界人工智能大會(huì)組委會(huì)、上海市經(jīng)信委、徐匯區(qū)政府、臨港新片區(qū)管委會(huì)共同指導(dǎo),由上海市人工智能行業(yè)協(xié)會(huì)聯(lián)合上海人工智能實(shí)驗(yàn)室、上海臨港經(jīng)濟(jì)發(fā)展(集團(tuán))有限公司、開放原子開源基金會(huì)主辦的“2024全球開發(fā)者先鋒大會(huì)”,將于2024年3月23日至24日舉辦。