在人们的日常照片中，眨眼常常不会沦为影响最后人像照片效果的因素之一；而且红眼等照片痼疾比起，眨眼所导致的失眠或半睁眼问题更为无法在后期修图中展开调整——即使现有的修图神器如 Adobe Photoshop，难道也很难让照片中的人自然而然地睁开眼睛。现在，Facebook 的研究者们已近在著手解决问题这一问题，并获得了一定的成果。
(公众号：)了解到，Facebook 于近日公开发表了一篇为题《Eye In-Painting with Exemplar Generative Adversarial Networks（通过样本生成式对付网络展开眼部图像修缮）》的论文，该论文解决问题的问题是，利用有数的人像样本，来对正处于失眠状态的人像展开眼部修缮，使得后者呈现大自然睁眼的效果。具体来说，利用一个基于机器学习技术的生成式对付网络（Generative Adversarial Networks，全称 GAN），对其展开训练；GAN 的一部分工作负责管理辨识人像中的人脸，另外一部分则根据辨识结果去分解类似于现实而大自然的图像——在双方大大协作和改良的过程中，最后使得分解的图像结果相似于现实的人脸。
我们以下图中所展出的过程为事例。非常简单来说，通过一张正处于睁眼状态的人脸去对失眠的图像展开人眼修缮，一个非常简单的步骤是拷贝前者的眼睛到后者；但经常出现的问题是图像在颜色、姿态、方向上的不给定。而 Facebook 所做到的就是利用 GAN 对被修缮图像的面部特征展开辨识，并针对辨识结果对图像展开大大修正，最后超过大自然效果。查找到，在 Facebook 论文中得出的测试结果中，研究者们利用 A/B 测试方法，从 Facebook 的内部数据库拿走两组图片；第一组是一张失眠图和一张现实图，第二组是一张失眠图和一张 GAN 修缮图——结果是有 54% 的测试参与者没区分出有原图像和眼部修缮图像之间的真实性差异。
而需要被区分的图像，往往是图片中人像经常出现了戴眼镜或头发遮盖的情况，论文指出，更好的训练可以增加这类问题。当然，除了眼部修缮，利用 GAN 展开更加多方面的图像修缮几乎沦为有可能，考虑到 Facebook 运营着全球仅次于的社交网络，特别是在是社交网络中人像数据的可观性，这一技术毫无疑问更加有更大的应用于空间。不过 54% 的成绩并远比引人注目，有可能还必须更大的改良空间。不过，更加关心的是，在图像重制技术更加先进设备、更加相似现实效果的情况下，还包括 Facebook 在内的巨头们将如何确保人们的肖像等权力获得充份的确保；这又是一个技术如何有效地为人类服务的问题。
原创文章，予以许可禁令刊登。下文闻刊登须知。
本文来源：188金宝搏官网下载-www.goodmangripco.com