來源 Futurism
作者 Dan Robitzski
翻譯 SME科技故事
人工智能真的很擅長生成人臉圖像，如果算法通過研究成千上萬的頭像後就能做到這一點。
這就是為什麼我們最終得到人工智能重建的肖像，比如生成特定的漫畫和動漫的肖像，以及從未真正存在的人的可信圖像。
上週，預印服務器ArXiv上發表了一篇新論文，描述了一種新的算法。它能夠提取像素化程度極高的人臉，並生成可能像真實人物那樣逼真的頭像。
來源 Futurism
作者 Dan Robitzski
翻譯 SME科技故事
人工智能真的很擅長生成人臉圖像，如果算法通過研究成千上萬的頭像後就能做到這一點。
這就是為什麼我們最終得到人工智能重建的肖像，比如生成特定的漫畫和動漫的肖像，以及從未真正存在的人的可信圖像。
上週，預印服務器ArXiv上發表了一篇新論文，描述了一種新的算法。它能夠提取像素化程度極高的人臉，並生成可能像真實人物那樣逼真的頭像。
該算法由韓國先進科學技術研究院（Korea Advanced Institute of Science and Technology, ）的工程師開發，使用一種名為“人臉超分辨率（Face Super-Resolution）”的新技術，從模糊的圖像中重建高分辨率的面部特徵。
這對於內置在監控攝像頭中的面部識別系統來說有著可怕的影響——但我們在這裡要談論的是另一種噩夢。
人工智能專家喬納森·弗萊(Jonathan Fly)注意到，Twitter上的表情符號是消除模糊算法的完美尺寸，所以他把它們輸入了系統，並在他的博客《我強迫一個機器人》(I Forced a Bot)中記錄了可怕的結果。
當它們完成將像素化的表情符號轉換成人臉的任務時，該算法生成了一大群噩夢般的生物。等到算法發現沒有可識別的人類特徵時，它就會生成自己的特色。比如在一片披薩上面沾了紅色尖叫的人嘴，而不是胡椒粉。
來源 Futurism
作者 Dan Robitzski
翻譯 SME科技故事
人工智能真的很擅長生成人臉圖像，如果算法通過研究成千上萬的頭像後就能做到這一點。
這就是為什麼我們最終得到人工智能重建的肖像，比如生成特定的漫畫和動漫的肖像，以及從未真正存在的人的可信圖像。
上週，預印服務器ArXiv上發表了一篇新論文，描述了一種新的算法。它能夠提取像素化程度極高的人臉，並生成可能像真實人物那樣逼真的頭像。
該算法由韓國先進科學技術研究院（Korea Advanced Institute of Science and Technology, ）的工程師開發，使用一種名為“人臉超分辨率（Face Super-Resolution）”的新技術，從模糊的圖像中重建高分辨率的面部特徵。
這對於內置在監控攝像頭中的面部識別系統來說有著可怕的影響——但我們在這裡要談論的是另一種噩夢。
人工智能專家喬納森·弗萊(Jonathan Fly)注意到，Twitter上的表情符號是消除模糊算法的完美尺寸，所以他把它們輸入了系統，並在他的博客《我強迫一個機器人》(I Forced a Bot)中記錄了可怕的結果。
當它們完成將像素化的表情符號轉換成人臉的任務時，該算法生成了一大群噩夢般的生物。等到算法發現沒有可識別的人類特徵時，它就會生成自己的特色。比如在一片披薩上面沾了紅色尖叫的人嘴，而不是胡椒粉。
而一個痛苦的表情符號變成了一個嘴巴張開、佈滿鋒利尖牙的黃皮膚老人。其他圓形的黃色表情也發生了類似的變化。
這三個表情符號變成了可怕的、皺巴巴的怪物，看起來就像穿著不合身的衣服一樣，就像大多數仿真機器人的表情一樣。
來源 Futurism
作者 Dan Robitzski
翻譯 SME科技故事
人工智能真的很擅長生成人臉圖像，如果算法通過研究成千上萬的頭像後就能做到這一點。
這就是為什麼我們最終得到人工智能重建的肖像，比如生成特定的漫畫和動漫的肖像，以及從未真正存在的人的可信圖像。
上週，預印服務器ArXiv上發表了一篇新論文，描述了一種新的算法。它能夠提取像素化程度極高的人臉，並生成可能像真實人物那樣逼真的頭像。
該算法由韓國先進科學技術研究院（Korea Advanced Institute of Science and Technology, ）的工程師開發，使用一種名為“人臉超分辨率（Face Super-Resolution）”的新技術，從模糊的圖像中重建高分辨率的面部特徵。
這對於內置在監控攝像頭中的面部識別系統來說有著可怕的影響——但我們在這裡要談論的是另一種噩夢。
人工智能專家喬納森·弗萊(Jonathan Fly)注意到，Twitter上的表情符號是消除模糊算法的完美尺寸，所以他把它們輸入了系統，並在他的博客《我強迫一個機器人》(I Forced a Bot)中記錄了可怕的結果。
當它們完成將像素化的表情符號轉換成人臉的任務時，該算法生成了一大群噩夢般的生物。等到算法發現沒有可識別的人類特徵時，它就會生成自己的特色。比如在一片披薩上面沾了紅色尖叫的人嘴，而不是胡椒粉。
而一個痛苦的表情符號變成了一個嘴巴張開、佈滿鋒利尖牙的黃皮膚老人。其他圓形的黃色表情也發生了類似的變化。
這三個表情符號變成了可怕的、皺巴巴的怪物，看起來就像穿著不合身的衣服一樣，就像大多數仿真機器人的表情一樣。
有趣的是，該算法在Twitch表情包上的表現要好得多，這很可能是因為它們一開始就更逼真，這意味著它們將更接近人臉超分辨率算法的正常輸入。
來源 Futurism
作者 Dan Robitzski
翻譯 SME科技故事
人工智能真的很擅長生成人臉圖像，如果算法通過研究成千上萬的頭像後就能做到這一點。
這就是為什麼我們最終得到人工智能重建的肖像，比如生成特定的漫畫和動漫的肖像，以及從未真正存在的人的可信圖像。
上週，預印服務器ArXiv上發表了一篇新論文，描述了一種新的算法。它能夠提取像素化程度極高的人臉，並生成可能像真實人物那樣逼真的頭像。
該算法由韓國先進科學技術研究院（Korea Advanced Institute of Science and Technology, ）的工程師開發，使用一種名為“人臉超分辨率（Face Super-Resolution）”的新技術，從模糊的圖像中重建高分辨率的面部特徵。
這對於內置在監控攝像頭中的面部識別系統來說有著可怕的影響——但我們在這裡要談論的是另一種噩夢。
人工智能專家喬納森·弗萊(Jonathan Fly)注意到，Twitter上的表情符號是消除模糊算法的完美尺寸，所以他把它們輸入了系統，並在他的博客《我強迫一個機器人》(I Forced a Bot)中記錄了可怕的結果。
當它們完成將像素化的表情符號轉換成人臉的任務時，該算法生成了一大群噩夢般的生物。等到算法發現沒有可識別的人類特徵時，它就會生成自己的特色。比如在一片披薩上面沾了紅色尖叫的人嘴，而不是胡椒粉。
而一個痛苦的表情符號變成了一個嘴巴張開、佈滿鋒利尖牙的黃皮膚老人。其他圓形的黃色表情也發生了類似的變化。
這三個表情符號變成了可怕的、皺巴巴的怪物，看起來就像穿著不合身的衣服一樣，就像大多數仿真機器人的表情一樣。
有趣的是，該算法在Twitch表情包上的表現要好得多，這很可能是因為它們一開始就更逼真，這意味著它們將更接近人臉超分辨率算法的正常輸入。
然而，當Fly將其用在電子遊戲精靈的製作上時，這一切都消失了，並且算法將原本的形象變得一團糟。
比如《邁克·泰森的重拳出擊》(Mike Tyson’s punout)中的角色被扭曲得面目全非，看起來像被連續打了好幾次一樣。
有時，它們還會和背景模糊一起。這說明人工智能此刻還無法理解在頭像上出現的其他物體，如眼鏡、珠寶，或者在這種情況下是拳擊場的繩索。
來源 Futurism
作者 Dan Robitzski
翻譯 SME科技故事
人工智能真的很擅長生成人臉圖像，如果算法通過研究成千上萬的頭像後就能做到這一點。
這就是為什麼我們最終得到人工智能重建的肖像，比如生成特定的漫畫和動漫的肖像，以及從未真正存在的人的可信圖像。
上週，預印服務器ArXiv上發表了一篇新論文，描述了一種新的算法。它能夠提取像素化程度極高的人臉，並生成可能像真實人物那樣逼真的頭像。
該算法由韓國先進科學技術研究院（Korea Advanced Institute of Science and Technology, ）的工程師開發，使用一種名為“人臉超分辨率（Face Super-Resolution）”的新技術，從模糊的圖像中重建高分辨率的面部特徵。
這對於內置在監控攝像頭中的面部識別系統來說有著可怕的影響——但我們在這裡要談論的是另一種噩夢。
人工智能專家喬納森·弗萊(Jonathan Fly)注意到，Twitter上的表情符號是消除模糊算法的完美尺寸，所以他把它們輸入了系統，並在他的博客《我強迫一個機器人》(I Forced a Bot)中記錄了可怕的結果。
當它們完成將像素化的表情符號轉換成人臉的任務時，該算法生成了一大群噩夢般的生物。等到算法發現沒有可識別的人類特徵時，它就會生成自己的特色。比如在一片披薩上面沾了紅色尖叫的人嘴，而不是胡椒粉。
而一個痛苦的表情符號變成了一個嘴巴張開、佈滿鋒利尖牙的黃皮膚老人。其他圓形的黃色表情也發生了類似的變化。
這三個表情符號變成了可怕的、皺巴巴的怪物，看起來就像穿著不合身的衣服一樣，就像大多數仿真機器人的表情一樣。
有趣的是，該算法在Twitch表情包上的表現要好得多，這很可能是因為它們一開始就更逼真，這意味著它們將更接近人臉超分辨率算法的正常輸入。
然而，當Fly將其用在電子遊戲精靈的製作上時，這一切都消失了，並且算法將原本的形象變得一團糟。
比如《邁克·泰森的重拳出擊》(Mike Tyson’s punout)中的角色被扭曲得面目全非，看起來像被連續打了好幾次一樣。
有時，它們還會和背景模糊一起。這說明人工智能此刻還無法理解在頭像上出現的其他物體，如眼鏡、珠寶，或者在這種情況下是拳擊場的繩索。
有時它們會與身後的景物模糊在一起，顯示出人臉識別AI無法理解出現在頭像中的其他物體，比如眼鏡、珠寶，或者在這個例子中是拳擊圈的繩子。
那麼索尼克呢？他看起來可能比在那部備受批評的真人秀預告片還要糟糕。
原文鏈接：https://futurism.com/machine-learning-photorealistic-emojis