Deepfake這種技術(shù)堪稱現(xiàn)代網(wǎng)絡(luò)“易容術(shù)”，是比PS*很多的動態(tài)換臉技術(shù)。“目前Deepfake技術(shù)已經(jīng)很成熟了，主要技術(shù)分為兩個部分，自動編碼器和生成對抗網(wǎng)絡(luò)。”天津大學(xué)智能與計算學(xué)部教授翁仲銘介紹。

自動編碼器是一種神經(jīng)網(wǎng)絡(luò)技術(shù)，就是把一個人的照片特征抓取出來，然后用數(shù)字代表。但是抓取一個人的面部特征時，不可能抓取所有狀態(tài)下的特征，比如說話、哭和笑等，那么就必須將沒有的表情用數(shù)字模擬的方式展現(xiàn)出來。通過訓(xùn)練，就可以找出一個的用數(shù)學(xué)方式來呈現(xiàn)照片特征的編碼器。

有編碼器就需要解碼器，解碼器會把一串串?dāng)?shù)字再還原成照片。不同解碼器可以在演員身上還原不同照片，比如史泰龍解碼器可以還原史泰龍照片，而還原施瓦*照片則需要施瓦*的解碼器。具體操作是先使用編碼器分別抽取小眾演員和史泰龍的特征，而后再使用史泰龍的解碼器還原，從而得到史泰龍的臉和小眾演員的表情。

“Deepfake就是在設(shè)計、訓(xùn)練精準(zhǔn)的編碼器和解碼器。”翁仲銘介紹，因為編碼器是抓取照片的特征，所以基本上只需要一套就可以了。可是解碼器就需要訓(xùn)練很久，因為把一連串的數(shù)字特征，拼接到小眾演員身上，而且要變得很像，就需要長時間訓(xùn)練。以換成史泰龍的臉為例，這個過程需要輸入史泰龍600—3000張照片并經(jīng)過48—72小時來訓(xùn)練深度模型。

“自動編碼器做出的照片是否自然真實還需要去判別把關(guān)，這就需要生成對抗網(wǎng)絡(luò)技術(shù)。”翁仲銘解釋，這包括兩個機器學(xué)習(xí)模型，分別為生成網(wǎng)絡(luò)和辨別網(wǎng)絡(luò)。生成網(wǎng)絡(luò)扮演“造假者”，在模型訓(xùn)練后產(chǎn)生偽造影片；而辨別網(wǎng)絡(luò)則扮演“檢測者”，不斷地檢視假影片，直至它再辨別不了結(jié)果是假的。數(shù)據(jù)越多，效果越理想，假影片越真實。