本文的標題是《看膩了各路APP換頭修臉?修圖老炮兒Photoshop給你“換頭”新體驗》來源于:由作者:陳開拓采編而成,主要講述了智東西(公眾號:zhidxcom)
編 | 子佩
智東西10月23日消
智東西(公眾號:zhidxcom)
編 | 子佩
智東西10月23日消息,近期Adobe發布帶有AI神經網絡過濾器的新版Photoshop22.0,包含如替換天空、以及修改圖片邊緣等許多功能。
其中最受關注的是對人臉肖像的深層編輯,借助神經網絡過濾器,新版Photoshop可以調整畫面中人物的年齡和面部表情,并通過滑塊滑動增加或減少其“快樂”、“驚訝”或“憤怒”的感情。除此之外,用戶也可以通過簡單的功能鍵摘下人物的**或使用濾鏡為他“換臉”。
一、GAN、云計算助力PS三秒換臉
Adobe數字圖像副總裁Maria Yap對外媒The Verge表示:“現在,我們可以說Photoshop是世界上最先進的AI應用程序。因為我們正在創造圖像AI領域的新應用。”
為了能夠更好地滿足用戶的需求,快速便捷地使用Photoshop更換畫面中人物年齡、面部表情等,Adobe采用生成對抗網絡(GAN),一種常用于生成視覺圖像的機器學習算法。每個功能從**作開始到完成只需要幾秒鐘,如果計算量過大,功能進程將會在云中完成。
或許對于熟悉AI圖像編輯領域的人來說,這些常在論文和演講中出現的技術并不新奇。但從社交媒體中流行一時的demo以及論文成果,到Photoshop這樣消費巨頭的大規模應用落地,新版Photoshop發布對于AI圖像編輯領域依舊有重大意義。
在Adobe發布會的展示中,新版Photoshop展現了處理圖像細節、發揮設計創意的驚人、順暢的完美效果。但這些功能是否能在實際應用中發揮其宣稱的效果,又是否存在其他問題,依舊將取決于用戶的反饋。
二、跨種族數據集、算法測試,致力消除算法“偏見”
通過對過去數據集的學習,AI工具可開始自主修改圖像。例如,為了創建用于消除皮膚斑點的神經過濾器,Adobe收集了專業攝影師修圖后的數千次圖片,并將這些數據輸入算法中。GAN就像一對學生和老師一樣工作,一部分試圖**這些示例,而另一部分則試圖區分原修圖結果和自己的訓練結果。最終,當GAN明白兩者之間的區別時,訓練過程就完成了。
“我們正在訓練GAN像專業修圖師一樣修圖。”Adob??e Creative Cloud工程副總裁Alexandru Costin說。
這種方法聽起來很簡單,但也會產生很多問題,其中一個最大的問題就是面部識別偏見。如上述提到的,算法根據以前的數據集進行學習,所以如果訓練集中只包含白種人的面部數據,那么訓練出來的算法無法識別有色人種,更無法對深色人種面部圖像進行編輯。這就是為什么很多人臉識別系統無法識別有色人種和女性的原因,因為缺乏這部分數據集。
但這也是Adobe的優勢所在,長期在圖像編輯行業主導地位讓Adobe擁有大量跨種族、性別、年齡的數據集,可以減少面部識別算法產生“偏見”的可能。
Adobe還成立了審核小組和AI倫理委員會,每次進行重大更新都會對算法進行測試。“我們對每項功能進行了非常徹底的審查,以查看是否有“偏見”存在的肯能并盡可能減少‘偏見’。”Costin提到。
當然,即使這樣也不能保證算法就一定能“公平公正”。尤其是當神經網絡過濾器結束beta測試進入普通大眾的手中時。因此,在每次應用過濾器時,Photoshop都會詢問用戶對結果是否滿意,如果不滿意,則可以選擇報告“不適當的”內容。用戶可以選擇將修改前后的圖像匿名發送給Adobe進行進一步研究。這樣,該公司不僅能消除偏見,還能進一步擴大訓練數據集,從而使神經網絡過濾器有更高的準確率。
結語:AI圖像時代日新月異,Photoshop只能迎頭趕上
AI領域的技術更新迭代非常快,新的機器學習方法通常會發布在arXiv上,一個未在期刊上發表過的開源科學論文集,供其他研究人員閱讀、復現和修改。在幾天之內,研究人員就可以在社交媒體上互相評論和分享結果。
一些專注于AI的Photoshop競爭對手通過在開源論文網站分享自己的成果來脫穎而出。例如,專注圖像領域機器學習的應用商店Runway ML不僅允許用戶使用自己的數據來訓練機器學習過濾器(Photoshop不能這樣做),而且它還運行著用戶生成的“市場”,使人們可以輕松共享和使用最新的工具。如果設計師或插圖畫家在Twitter上看到有趣的東西,他們會希望借助其他軟件或工具立即使用,而不是等待Photoshop升級新功能。
為了避免應用BUG以及提升用戶體驗,Adobe不可能以這些新興公司的速度更新應用。但憑借這次發布的神經網絡過濾器,Adobe正在逐步布局AI圖像編輯領域,并計劃發布十六種不同功能的神經網絡過濾器。其中兩個已完成,六個進入“ beta”測試階段,另外八個還在研發階段。
調整年齡和表情也僅僅只是開始,Adobe將會通過更多的用戶反饋獲得更多數據,從而創建更好的工具踏上AI時代的飛輪。
來源:The Verge
本文原作者為陳開拓,轉載請注明:出處!如該文有不妥之處,請聯系站長刪除,謝謝合作~
原創文章,作者:陳開拓,如若轉載,請注明出處:http://m.uuuxu.com/20220520347222.html