高清变脸更快更逼真！比 GAN 更具潜力的可逆生成模型来了

编者按：本文来自于微信公众号 “量子位”（微信公众号：QbitAI）， 动点科技经授权发布。

昨天上市即破发的小米，今天上午股价大涨近10%。这下雷军要笑了。

而且可以笑得更灿烂。更灿烂是什么样？来，我们用OpenAI刚刚发布的人工智能技术，给大家展示一下。

当然这个最新的技术，不止这点本事。它的“想象力”很强大的说~

比如，留胡子的硬汉版雷布斯什么样？

以及，娘化的雷布斯又是什么样？

还有。

OpenAI这个称作Glow的生成模型，不仅能像上面这样自动处理高清图片，而且还能把两个人的照片MIX一下。

说到MIX，还是以小米举例吧。

想象一下，碧昂丝和雷布斯如果有后代的话，会是什么样？把他俩照片放在一起，MIX一下……结果如下图所示。而且还可以调整父母的影像力，比方如1/4碧昂丝+3/4雷军……

好像……毫无违和感。

而且，这个新技术还放出了可用的Demo，如果你也想试试变脸或者合成照片，可以前往OpenAI官网，传送门在此：

https://blog.openai.com/glow/

Glow：另辟蹊径

上面讲的就是OpenAI发布的新技术Glow，一个AI通过观察原始图片，学会如何根据不同的属性，生成全新的高清图片。

更厉害的是，这个生成模型，既不是基于大火的对抗生成网络GAN，也不是变分自编码器VAE。

Glow是一种可逆的生成模型，也称为基于流的生成模型，它源于对NICE和RealNVP技术的扩展。与GAN和VAE两大流派相比，基于流的生成模型迄今为止在研究界很少受到关注。

NICE的论文最早发布于2014年，作者是来自蒙特利尔大学的Laurent Dinh、David Krueger、Yoshua Bengio。

传送门：https://arxiv.org/abs/1410.8516

RealNVP的论文最早发布于2016年，作者是蒙特利尔大学的Laurent Dinh以及谷歌大脑的Jascha Sohl-Dickstein、Samy Bengio。

传送门：https://arxiv.org/pdf/1605.08803.pdf

基于流的生成模型，有几个优点，例如：精确的潜变量推断和对数似然评估、可同时处理高效的推理和有效的合成、下游任务可用的潜在空间、显著节省内存空间等。

而且这种生成模型，并不限于图像处理，在语音合成、文本分析与合成、半监督学习和基于模型的控制等领域皆可应用。

开头演示的那些可调整属性，都不是预先标记好喂给神经网络的。朝怎样的方向变化，会产生发色啊，胡须量啊，诸如此类的改变，都是AI自己在潜在空间里面学到的。

OpenAI披露的信息显示，Glow模型在一块NVIDIA 1080 Ti GPU上生成256×256的样本，需要130ms。

这次的变脸，更流畅

为了让图像发生更流畅的变化，团队以Dinh等人2016年的研究为基础，提出了一种新的生成流 (Generative Flow) ，叫做Glow：

每一步 (绿框) ，都要从一个actnorm步骤开始，把激活神经元归一化 (Activation Normalization) 。

紧跟着，是一个可逆的1×1卷积，输入和输出通道数量一样多。

再往后，是一层仿射变换 (Affine Transformation) 。Dinh团队提出的可逆转换，很强大，在这里被沿用了。

这三步组成一个绿框，无数的绿框连在一起，就有了周而复始的生成流。

然后，把这个流，跟右边的多尺度 (Multi-Scale) 架构结合在一起。

潺潺流淌，人脸就可以在神经网络里，发生安静又自然的变化了。

是AI自己找到的方向

在模型的训练数据上，研究人员没有手动添加任何标记。

AI会在潜在空间里，掌握各种各样的变化规律。

不论是把光滑的下颌变得胡子拉碴，还是为起气色红润的面孔完成卸妆。

没有地图，所有的方向，AI都要自己找到。

幸好，它没有迷路。

变成不一样的自己

不管是发色，面色，还是表情，这些语义特征AI或许并不懂，但这并不妨碍它实现这些属性的变化。

用编码器给图像编码，为有胡子和没胡子的样子，分别算出一个潜在向量。

两个向量之间，相差的那个向量，就是调整胡子浓密程度的滑块了。

变成别人

用编码器，给两张不同人类的照片编码。可以产生二者之间的变换过程，很完整。

从换脸途中任取一张图，就能看到两个人的基因，和解之后的样子了。

除了肉眼可辨的效果之外，团队还对比了Glow和前辈RealNVP (来自2016年的Dinh实验室) ，处理数据集时的成绩——

结果是，在5个数据集里，这只闪闪发光的模型，表现都要优于RealNVP。完成相同的任务，Glow需要的数据量更少。

青出于蓝。

选择跟随Dinh的脚步，是因为OpenAI团队看到了可逆生成模型的优点。

它跟VAE不同，跟GAN也不同，潜变量 (Latent Variable) 有了确切的推断，不只是一个近似值了。

另外，可以给数据，生成确切的对数似然值 (Log-Likelyhood) ，不只是一个下限了。

总而言之，这样的模型比起前辈们，拥有更多确定的答案。

论文+代码

Glow的作者是来自OpenAI的两位：Diederik P. Kingma、Prafulla Dhariwal。而且OpenAI这次一口气放出了Glow的论文以及代码。

论文传送门：

https://d4mucfpksywv.cloudfront.net/research-covers/glow/paper/glow.pdf

代码传送门：

https://github.com/openai/glow