人工智能(AI)技术越来越成熟，用AI合成人脸已经不是什么新鲜事了。那么，AI合成的人脸有多真实呢？

有一个发布AI合成脸的网站:ThisPersonDoesNotExist.com。网站里除了一张人脸图，没有其他信息。每次刷新都会出现一张全新的脸。这个网站上的人脸图看起来都是在暗示图像背后有一个真实的人，但正如网站名称所说的“没有找到这个人”。

(来源:网站截图)

最近，发表在《美国国家科学院院刊》上的一项研究调查显示，当人们区分AI合成图像和真实人脸图像时，正确率不到50%。可见，AI合成的人脸难辨真假，可信度甚至超越了真实人脸。

AI合成人脸背后的技术原理是什么？

这里提出一个概念:生成对抗网络 (Gan)，这是一个深度学习模型。这个模型框架中有两个核心部分:生成性模型和判别性模型，它们会互相学习，互相博弈，然后产生良好的输出结果。

GAN的基本原理可以这样理解(以生成图片为例):假设有两个网络，G(生成器)和D(鉴别器)。顾名思义，它们的功能是:

g是一个生成图片的网络。它接收一个随机噪声Z，通过这个噪声生成图片，称为G(z)。

d是鉴别一个图片是否“真实”的鉴别网络。它的输入参数是x，x代表一张图片，输出D(x)，x是真实图片的概率，如果是1，表示图片100%真实；如果输出为0，说明不是真实画面。

在训练过程中，生成网络G的目标是试图生成真实的图片来欺骗和区分网络D，D的目标是试图区分G生成的图片和真实的图片。这样，G和D就构成了一个动态的“博弈过程”。最终比赛的理想结果是什么？是的，G (z)可以生成足够多的图片来“以假乱真”；而D，很难确定G生成的图片是不是真实的，所以D(G(z)) = 1。

GaN技术的成功商业应用

GAN的最初应用是在图像生成和建模中。无论是通过监督学习还是非监督学习，GAN都可以学习真实数据的分布。科学家们一直在努力使生成的图像更接近真实图像。在这一点上，NVIDIA研究人员发表的StyleGAN就是一个成功的例子。StyleGAN从极低分辨率到高分辨率逐步生成逼真的图像。

2017年推出的爆款FaceApp应用背后的技术原理是将StyleGAN应用到人脸照片上，用户可以通过这款软件中的“老年滤镜”看到自己的年龄。此外，通过FaceApp程序，用户还可以改变发色和发型，甚至改变面部表情。正是因为其令人毛骨悚然的逼真度，这款应用的下载量和购买量在当年出现了爆炸式增长。

除了完成图像生成的第一步，GAN在图像增强领域也非常有用。既然要增强图像，就要增强图像的分辨率。分辨率是一个重要的参数，它包含了图像的重要信息。

有一款专注于修复老照片的应用，叫做“你和我”，可以提升老照片、模糊照片、低分辨率照片的画质，让图像变得高清。这时候就用SRGAN(超分辨率生成对抗网络)了，比GAN更超分辨率。超分辨率GAN技术是指利用重建技术从拍摄的低分辨率图像中得到更高分辨率的图像，从而获得图像上更多的信息。

北京大榭科技有限公司开发的《你我》。2019年，达闼科技面向海外市场推出了具有相同功能的“你我”和“Remini”APP，同样采用人工智能技术修复模糊照片和老照片。这两款应用一经推出，便成为市场上的热门爆款，累计用户数已经超过1000万。

(你我申请截图)

甘背后的计算机视觉市场

GAN以其独特的“对抗性”生成和判别网络，为计算机视觉(CV)提供了新的技术和模型，让更多人了解AI内容生成。计算机视觉是人工智能的重要领域之一，也是主要的应用技术。

根据前瞻产业研究，2020年，企业应用最广泛的AI项目技术是计算机视觉，占比63.4%，其次是机器学习，占比58.5%。在国内，计算机视觉领域已经涌现出一批领先的独角兽公司，如商汤科技、旷视科技、深蓝科技、易图科技、从云科技等。

据此前frost &:根据沙利文的统计，2016年，中国计算机视觉市场规模仅为11.4亿元，到2019年，中国计算机视觉产业市场规模增长至219.6亿元。前瞻产业研究预计，到2025年，中国技术与视觉核心产品及相关产业规模将达到6000亿。其中，计算机视觉核心产业复合增长率达到15.9%，计算机视觉带动的相关产业复合增长率达到22.5%。

从计算机视觉的产品应用领域来看，互联网娱乐平台、手机应用以及人脸识别、解锁、美颜等其他技术服务已经普及。在技术基础的支撑下，计算机视觉行业逐渐打通了从基础层到应用层的链条，涉及安防、金融、医疗、教育等领域，并提供安防监控、无人店铺、人车识别等技术解决方案。，并将在未来继续深化应用领域的广度和深度。

在未来计算机视觉的商业应用市场中，AI内容生成将占据更大的比重。随着GAN技术的应用和发展，已经证明人工智能算法生成的内容可以获得真假难辨的效果。在图像生成方面，有很多潜在的应用，比如去年爆出来的元宇宙概念，其中VR/AR技术中的内容生成也会用到图像合成。