贼有趣：朱茵变杨幂，人工智能换脸让明星不再担心自己演技？

虽然遭到全网封禁，但人工智能深度换脸技术——deepfakes并没有淡出人们的视野。近日，这项技术还伸向了国内电视剧，这次“中招”的是女明星杨幂。

　　大家可能都记得杨幂曾出演过《神雕侠侣》里的“郭襄”一角，但你看过她演《射雕英雄传》里的“黄蓉”吗？

杨幂版黄蓉

　　从上面几张视频截取的动图可以发现，除了脸部五官是杨幂的，发型和服饰是原演员朱茵的扮相。这条视频最初由哔哩哔哩网站上一位用户名为“换脸哥”的博主上传，不过目前这条视频在哔哩哔哩网站已经失效。

这条视频释出后，在网上引发了激烈的争论，“将朱茵的黄蓉换成杨幂的脸”这个话题在微博上的浏览量甚至达到1.2亿次。

有人认为这是对原演员的不尊重，甚至会导致部分流量明星可以不用担心演技问题，疯狂轧戏。只要先用替身完成拍摄，最后再用AI技术进行换脸，省时又省力。还有不少人认为这严重侵犯了隐私和肖像权。

实际上，这并非deepfakes第一次在网上引发争议。在这之前，曾有人用deepfakes将“神奇女侠”盖尔·加朵的脸被贴在了一个成人电影女主的脸上，当时新闻一出在网络上引起了轰动。

deepfakes是如何做到换脸的？

deepfakes背后的技术并非高深难懂，简单来说，它是一个通过机器学习技术搭建的系统：可以让机器学习女明星的面部特征，最后合成到了影片的面部。

deepfakes搭建的系统可以通过谷歌图片搜索、网络图库、Youtube视频等途径获取的素材，利用这些素材通过TensorFlow等多个开源库，训练深度学习网络，经过反复训练后，系统就会自动替换脸部信息。学习样本越多，生成脸谱图的还原度就会越高。

最初，在Reddit网站上，一位用户名为“deepfakes”的网友发布了自己制作的换脸视频，将成人影片的女主角换成了神奇女侠，短时间吸引了大量的人气，广大网友顺理成章地把他的网名作为这项技术的命名。

没过多久，同名算法在GitHub开源，由deepfakes技术制作的视频在网上也越来越多。杰西卡·阿尔芭、艾玛·沃特森等好莱坞明星纷纷被“换脸”。

好莱坞影星纷纷“中招”

除了Reddit上的讨论外，在2018年1月，还有人推出了Windows程序的FakeApp，这大大降低了deepfake的使用门槛，它允许用户很轻松地自制换脸视频，即使你没有任何人工智能方面的知识。

但是由于许多用户将deepfakes技术用于制作虚假视频，例如伪造政治家公开演讲，制作著名女星色情内容等，导致这项技术声名狼藉。

之后，deepfakes便被全网封禁：Reddit讨论版被删除，GitHub开源代码也被清除。成人视频网站上也删掉了用deepfakes算法做的视频。FakeApp的官网目前也已无法使用。

不过，澎湃新闻在网络上搜索deepfakes时，仍在论坛上发现了相关的下载链接和安装教程。

换脸让人脸识别技术也无法识别？

没有人工智能背景的人都能做到换脸，并且能以假乱真，这让部分人担心这项技术会不会被不法分子用与进行诈骗等行为。诸如杨幂出演1994版《射雕英雄传》，川普撞脸希拉里，好莱坞女影星出演成人电影等视频的流出，则让人担心肖像权和个人隐私安全问题。

希拉里撞脸川普

deepfakes制作的视频和图片，一般人如果用肉眼无法识别，那么利用人脸识别技术能否识破呢？

人脸识别公司云从科技技术人员告诉澎湃新闻（www.thepaper.cn)，人脸识别技术能否识别deepfakes制作的内容，要看制作的视频和技术应用在什么场景。“因为现在不管是人脸还是人体都是往3D化在走，这种通过屏幕呈现的东西已经可以被活体检测技术检测出来了，不管是目前应用比较广的红外双目，或是正在推的3D结构光与深度摄像头的技术（TOF）。”

对于一项技术来说，本身并没有对错，关键看掌握这项技术的人如何应用。例如，好莱坞的一些数字特效公司就对这项技术非常感兴趣，这种将一位演员的面容“移植”到另外一个身体上的技术，对于他们来说，可以提高后期制作的效率，并且能节约成本。

这次杨幂出演“黄蓉”的视频，除了引发粉丝讨论流量明星再也不用担心演技的话题外，从另一个角度看，其实也给公众提了一个醒。“换脸哥”在自己的主页上也给出了公告：AI换脸是一种新技术，大家对它的认识还不够，希望让更多朋友了解 , 否则将来有人伪造明星负面内容的视频时 , 将会给公众人物带来更大的损失。这些作品没有任何恶意，也并非商业用途，如果认为这些内容有损您的权益，请私信联系，在下一定及时处理。

未来，技术使用门槛会越来越低，公众对于网上流传的视频和图片或许更需要一双“火眼金睛”。

在这里给大家推荐一个python系统学习q群：250933691有免费开发工具以及初学资料，（数据分析，爬虫，AI,  机器学习，神经网络）每天有老师给大家免费授课，欢迎一起交流学习