在人們的日常拍照中，眨眼經(jīng)常會成為影響最終人像照片效果的因素之一；而且紅眼等拍照痼疾相比，眨眼所造成的閉眼或半睜眼問題更加難以在后期修圖中進行調(diào)整——即使現(xiàn)有的修圖神器如 Adobe Photoshop，恐怕也很難讓照片中的人自然而然地睜開眼睛。

現(xiàn)在，F(xiàn)acebook 的研究者們已近在著手解決這一問題，并取得了一定的成果。

雷鋒網(wǎng)了解到，F(xiàn)acebook 于近日發(fā)表了一篇題為《Eye In-Painting with Exemplar Generative Adversarial Networks（通過樣本生成式對抗網(wǎng)絡(luò)進行眼部圖像修復(fù)）》的論文，該論文解決的問題是，利用已有的人像樣本，來對處于閉眼狀態(tài)的人像進行眼部修復(fù)，使得后者呈現(xiàn)出自然睜眼的效果。

具體來說，利用一個基于機器學習技術(shù)的生成式對抗網(wǎng)絡(luò)（Generative Adversarial Networks，簡稱 GAN），對其進行訓(xùn)練；GAN 的一部分工作負責識別人像中的人臉，另外一部分則根據(jù)識別結(jié)果去生成類似于真實而自然的圖像——在雙方不斷協(xié)作和改進的過程中，最終使得生成的圖像結(jié)果接近于真實的人臉。

我們以下圖中所展示的過程為例。簡單來說，通過一張?zhí)幱诒犙蹱顟B(tài)的人臉去對閉眼的圖像進行人眼修復(fù)，一個簡單的步驟是復(fù)制前者的眼睛到后者；但經(jīng)常出現(xiàn)的問題是圖像在顏色、姿態(tài)、方向上的不匹配。而 Facebook 所做的就是利用 GAN 對被修復(fù)圖像的面部特征進行識別，并針對識別結(jié)果對圖像進行不斷修正，最終達到自然效果。

雷鋒網(wǎng)查詢到，在 Facebook 論文中給出的測試結(jié)果中，研究者們利用 A/B 測試方法，從 Facebook 的內(nèi)部數(shù)據(jù)庫拿出兩組圖片；第一組是一張閉眼圖和一張真實圖，第二組是一張閉眼圖和一張 GAN 修復(fù)圖——結(jié)果是有 54% 的測試參與者沒有區(qū)分出原圖像和眼部修復(fù)圖像之間的真實性差異。而能夠被區(qū)分的圖像，往往是圖片中人像出現(xiàn)了戴眼鏡或頭發(fā)遮擋的情況，論文認為，更多的訓(xùn)練可以減少這類問題。

當然，除了眼部修復(fù)，利用 GAN 進行更多方面的圖像修復(fù)完全成為可能，考慮到 Facebook 運行著全球最大的社交網(wǎng)絡(luò)，尤其是社交網(wǎng)絡(luò)中人像數(shù)據(jù)的龐大性，這一技術(shù)毫無疑問更有更大的應(yīng)用空間。不過 54% 的成績并不算突出，可能還需要更大的改進空間。

不過，雷鋒網(wǎng)更為關(guān)心的是，在圖像移植技術(shù)越來越先進、越來越接近真實效果的情況下，包括 Facebook 在內(nèi)的巨頭們將如何保證人們的肖像等權(quán)力得到充分的保障；這又是一個技術(shù)如何有效地為人類服務(wù)的問題。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。