卡成PPT不开心？GAN也能生成流畅的连续表情了

鬼畜栗 发自 凹非寺

量子位 出品 | 公众号 QbitAI

用生成对抗网络 (GAN)制造表情，本不是什么新玩法。

PPT表情包举栗

不过，从前的GAN只会生成一些互无关联的表情。这样，即便做成动图，也拥有浓厚的PPT风韵。

它们的表情包技能，是不完整的。

GANimation可不一样，能给图像里的人类，生成连续变化的表情，让他们身不由己地动起来。

听名字也能感受到，新选手的动画属性。于是，在下把这一串进行中的围笑，做成了动图。

笑一秒

生动的假笑，是在完全无监督的环境里炼成的，不需要变化前与变化后这样成对的数据来训练。

GANimation入选了ECCV 2018的Oral环节。评审里面，肯定有一小撮心系Gif事业的人类。

表情的渐变

那么，来看一下GANimation是如何让面部表情，发生连续变化的。

首先，观察神经网络结构，这里当然要包含一个生成模型(G) 和一个判别模型(D) 。

生成模块是双向工作的，既可以给输入的图像，做出想要的表情，也可以从做好的表情出发，回到输入的样子。

所以，把动图做成双向播放，不只是为了顺滑的效果哟。

机智的我

然后，重点来了。

能让表情发生变化的，是一些名为动作单元(Action Unit, AU) 的东西。它来自前人发明的面部动作编码系统(FACS)。

不同的AU，负责不同的肌群

每个AU各司其职，比如AU25(右二) 可以让人开口闭口 ，AU45(右一) 决定睁眼闭眼。

如此一来，不同情感的表达，动用的AU也不同。比如，一个面无表情的少女变得恐惧，调动的是AU1、2、4、5、7、20和26这七个。

如果要连续变化呢？有个参数叫α，负责调节AU的激活程度，只要一点一点激活，表情就会不知不觉地改变了。

所有AU，都可以从开始逐渐激活到1，0表示不变，1表示变动最大。

还以恐惧的少女为栗，从有点吓到慢慢变成吓得不轻，就是那七个AU的激活程度在慢慢变化。

单独调vs同时调

再来看一次这张图，这是每个AU单独调节的效果。

而上文出现过 (除喵之外) 的动图，还有即将出现的两幅动图，都是同时调节多个AU，生成的动态表情。

两种操作相比，后者难度更大，按照论文作者的说法，是“挑战模型的极限”。

不过，团队依然对GANimation的训练成果表示满意。毕竟，用人类照片喂养的AI，连阿凡达都不怕。

与人类脸部相异只是其一。除此之外，改变面部表情的操作，对阴影渲染的要求很高，而阿凡达又处在非自然的光照条件之下，难度升级。

考验叠加的情形之下，GANimation依然表现稳定，实属不易。

被夸到害羞

研究人员说，复杂情况下不乱阵脚，依靠的是注意力机制(Attention Mechanism) ，即每个AU有不同的职责。

以上就是连续表情的生成。那么，为动图而生的AI，在不连续的任务里表现如何？

其实，上文出镜的恐惧少女，是GANimation同许多对手比赛的一个片段，比赛内容便是生成互不相干的表情。

它最强的对手，是一路璀璨的StarGAN。不过……

StarGAN生成的表情，跟原图相比，清晰度的损失比较大。

而GANimation生成的少女，大多是相对清晰的少女。

可能StarGAN的作品，与原图更像同一个人，但在相似度和分辨率之间，GANimation也算找到了一种比较理想的取舍。不分胜负。

已为您生成：离散的夜王

其他选手，不论看分辨率还是相似度，都基本属于陪练了。

颜艺是百年大计

当然，GANimation也是有局限性的。

比如，输入图像的表情比较极端的时候，注意力机制的权重分配会出现一些问题，然后发生上图的惨状。

不过，路还长。再说，极端表情本身已经是表情包了嘛。

最后介绍一下，论文作者来自加泰罗尼亚理工大学，以及俄亥俄州立大学哥伦布分校。

ECCV Oral论文传送门：

https://arxiv.org/pdf/1807.09251.pdf

开源代码：

https://github.com/albertpumarola/GANimation

大家来找茬

—完—