本文来自微信公众号：大数据文摘（ID：BigDataDigest），作者：刘俊寰，原标题：《不满<曼达洛人>用特效给69岁天行者“减龄”，网友用DeepFake重制结局：强过官方》，头图来自：《曼达洛人》
各位星战迷，《曼达洛人》第二季大结局看得爽吗？
反正，卢克天行者的出现就顿时让文摘菌颅内高潮了，第二季在豆瓣上的评分也高达9.5分，足见质量之高。
不过，对于卢克天行者的扮演者，今年69岁的马克哈米尔来说，这一切远不止参演电影那么简单，因为制作团队还必须给他技术“减龄”。
不知道国内的观众对官方的CG减龄技术的效果怎么看。所谓CG减龄，其实就是利用CG技术修复演员容颜从而符合电影设定，这在业内被称为“颜设”。这项技术在漫威系列电影，比如《惊奇队长》《美国队长3》中都有所运用。
最近文摘菌发现，国外的网友可能没有那么买账，于是他们自己动手用DeepFake重新制作了结局卢克出现的部分，直接换上了年轻的马克哈米尔的脸。
大家可以对比着看看效果：
"May the force be with you."
国外的网友对此表示出了极大的赞美，有人留言表示，“肤色和纹理比原版看上去都要好很多。”
也有网友指出，“上嘴唇看起来还是有一些僵硬。”
当然，还有看热闹不嫌事大的网友还表示，直接让“冬兵”出演不就行了吗（这有理有据的文摘菌也是无法反驳）？
让人欢喜让人忧的DeepFake
说到DeepFake，可能你还不知道，现在网络上超过95%的DeepFake视频都是通过DeepFakeLab制作完成的，目前，这个项目在GitHub上的标星超过了22.5k。
GitHub链接：
https://github.com/iperov/DeepFaceLab
本质上说，DeepFake是一种使用AI深度学习，将一张图片中人的脸换到其他人的图片上的技术。通过这种技术，我们可以创建一个非常逼真的“假”视频或图片，“换脸术”也因此得名。
研究人员使用自动编码器神经结构，使这一想法成为现实。基本思路非常简单：对于每张脸，我们都训练一套编码器和相应的解码神经网络。编码时，使用的是第一个人的图片。而解码时，却是使用第二个人解码器。
对于训练部分，如果是公众人物自然是不愁数据可用，当照片不足时，我们还可以从视频中进行提取。在神经网络训练并学习了关于每个人面部的特征之后，它自己就能预测想出这个人还没摆出来的姿势。
比如，训练生成John Oliver。
在DeepFake出现之前，人们想换个脸只能依赖手动PS，如果是在一段视频里面，那就得一帧一帧地换，费时又费力。DeepFake的出现，一定程度上缓解了这个工作量。
但同时，也有人利用DeepFake这一机器使用机器学习算法和数千张人脸图片来生成不存在的人的真实感图像，包括生成真实和不真实的裸女图像。
只要某个人上传数据集到互联网上，将其插入“DeepFake色情片”训练集中，其他人就也可以使用该数据集来创建“完全由AI生成的色情”。
在不少人看来，在原有色情作品上，利用Deepfake生成不存在的人脸进行二次创作可以避免法律上的惩罚和道德上的谴责。
对嘴型也是一个技术活
正如作者之一Shamook表示，他们没有原始视频的资源，因此只能在CG减龄的基础上进行“换脸术”，效果自然是没有直接在毛片上处理来得好。
对于有网友指出的嘴部的动作，他们也用到了Wav2Lip，一种准确对口型的技术。在GitHub上这个项目的标星超过了1.8k。
GitHub链接：
https://github.com/Rudrabha/Wav2Lip
根据一位YouTube博主WhatMakeArt介绍，每个人都可以用在GitHub上开源的wav2lip算法实现口型同步这项技术，所有的代码运行部分也都可以在Google Collab Notebook上找到。
这位博主表示，每当他看到有关于深度学习或AI图像处理的教程时，都想尝试一把，但总是被过于复杂的过程劝退，不是缺少了相关代码依赖，就是安装了不同的Python库，或者是自己的GPU算力或其他必要的硬件无法满足要求。
但wave2lip是真正能够让所有人都可以去尝试的一项技术，而且对于DeepFake之类技术的流行，我们也需要具备一些基础分辨的能力。
整个过程的使用，这位博主也专门录制了一起视频进行讲解，可以说十分小白友好了：
https://www.youtube.com/watch?v=Ic0TBhfuOrA
Google Colab Notebook链接：
https://colab.research.google.com/drive/1tZpDWXz49W6wDcTprANRGLo2D_EbD5J8?usp=sharing
根据介绍，wav2lip模型是在LRS2数据集上进行训练的。
LRS2数据集来自BBC电视节目中的数千个口语句子，每个句子的长度不超过100个字符。训练、验证和测试集按播出日期进行划分。数据集统计信息如下表所示：
训练前的话语集既对应部分句子又对应多句，而训练集仅由单个完整句子或短语组成。在训练前和训练集之间有一些重叠。
根据该数据集的创建者说法，虽然在训练前和训练集中可能存在一些标签噪声，但测试集经过了额外的验证，所以，据目前所知，测试集中是没有错误存在的。
数据集链接，内含下载方法：
https://www.robots.ox.ac.uk/~vgg/data/lip_reading/lrs2.html
CG减龄术广泛运用
对于CG减龄，大家可能相对来说要更熟悉一些。
从去年李安的电影《双子杀手》，到颁奖季热门影片《爱尔兰人》，甚至在《我和我的祖国》中，年轻版的任达华和惠英红也用到了数字减龄术。
其实，好莱坞早就开始运用CG技术来修改演员的面容了。只是作为电影工业的一部分，“美容造型”已经广泛进入了拍摄预算，但为了保护演员的名声，这种美容和美体是需要“保密”的。曾获奥斯卡最佳剪辑提名的乔·沃克尔曾经透露：“我们在一位女演员身上某处几乎难以被观众注意的地方进行了95%的压缩处理，使得她看上去身材更完美。”
但是，CG减龄也不是说用就能用的，背后投入的资金和时间都是无法想象的。
比如，在大卫芬奇的代表作之一《本杰明·巴顿奇事》中，在2008年的投资就接近1.5亿美元，就是因为要用相当多的CG技术来合成不同年龄的布拉德·皮特。片中，44岁的布拉德·皮特出演年龄“负增长”的怪人本杰明·巴顿，刚出生时就一头华发、满脸皱纹，然而随着岁月的流逝，他却日益青春焕发。
如此看来，省时节力的DeepFake是否会成为电影工业界的新宠呢？
本文来自微信公众号：大数据文摘（ID：BigDataDigest），作者：刘俊寰