近日，迪士尼研究院 (Disney Research Studios)、蘇黎世聯(lián)邦理工大學 (ETH Zurich)聯(lián)合在歐洲圖形學會渲染研討會 (Eurographics Symposium on Rendering，EGSR)發(fā)表論文 《用于視效制作的高分辨率神經(jīng)網(wǎng)絡人臉替換》 (High-Resolution Neural Face Swapping for Visual Effects)，提出一種基于深度神經(jīng)網(wǎng)絡 (Deep Neural Networks)的角色人臉自動替換算法，可將照片/視頻中角色的面部替換為目標角色面部。論文提出，該算法支持最大圖像分辨率1024×1024，是首個可實現(xiàn)百萬像素 (Megapixel)分辨率的人臉替換算法，適用于場景中所有角色的人臉替換，并可在合成環(huán)節(jié)自動調(diào)整對比度和光照條件，從而確保合成面部與場景充分匹配。該算法的效率與當前流行的Deepfake(支持面部圖像最大分辨率256×256)等工具相當，改進后有望應用于影視制作，如制作角色年輕版/老年版形象，或?qū)⑻嫔硌輪T面部替換為明星面部。

該算法采用漸進式訓練多向梳狀網(wǎng)絡 (Multi-Way Comb Network)，有效提高了圖像分辨率；同時支持網(wǎng)絡架構(gòu)擴展和訓練數(shù)據(jù)規(guī)模提升，使生成的角色表情擁有更高精準性。為了更好地將生成的面部特征和表情合成到目標角色面部，該算法采用了多波段融合 (Multi-Band Blending)方法替代傳統(tǒng)泊松融合 (Poisson Blending)方法，并引入全局對比度因子 (Global Contrast Factor，GCF)，使合成面部的對比度與原始面部及環(huán)境保持一致。另外，針對高分辨率圖像抖動瑕疵尤其明顯，采用面部特征穩(wěn)定算法 (Face Landmark Stabilization Algorithm)實現(xiàn)時域穩(wěn)定性。

人臉替換具體實現(xiàn)分為以下幾個步驟：①檢測輸入的面部圖像 (x)，并定位面部特征點；②將輸入的面部圖像統(tǒng)一轉(zhuǎn)化為1024×1024分辨率，保存歸一化參數(shù)；③將預處理過的圖像輸入多向梳狀神經(jīng)網(wǎng)絡，并保存第s個解碼器的輸出 (x)；④按照歸一化參數(shù)將輸出面部還原為原始尺寸，用多波段融合方法將替換面部與原始圖像合成。如圖1所示。

圖1 面部替換全流程

圖2 單編碼器—多解碼器的多向梳狀網(wǎng)絡架構(gòu)

對神經(jīng)網(wǎng)絡的訓練采用漸進式訓練方法，首先對輸入的高分辨率圖像數(shù)據(jù)實施下采樣，形成低分辨率圖像數(shù)據(jù)用于模型訓練；隨后，逐步提升訓練圖像的分辨率。在神經(jīng)網(wǎng)絡架構(gòu)方面，該算法采用了單編碼器—多解碼器的多向梳狀模型，即網(wǎng)絡編碼部分采用共享通用編碼器，而解碼路徑則被分流為多個域。如圖2所示。通過這種方式，模型可同時處理多個面部替換任務，且與雙向模型相比，多向模型訓練時間明顯減少，并可以提高面部細節(jié)的精確性。

———參考英文資料來源：迪士尼研究院論文《用于視效制作的高分辨率神經(jīng)網(wǎng)絡人臉替換》