"Fais comme moi!" - étudier l'imitateur

Les développements les plus intéressants et les plus prometteurs dans le domaine de l'IA sont liés aux réseaux de neurones. Aujourd'hui, nous allons envisager Impersonator ++ pour acquérir de l'expérience dans le domaine du faux Deep.

Actuellement, les développements les plus intéressants et prometteurs dans le domaine de l'IA sont liés aux réseaux de neurones.

Ils permettent d'obtenir un grand succès dans le domaine de la vision par ordinateur, de la vidéo et de la conversion d'images.

, Deep fake, . .

( ) . , , , .

2020 Deep fake «» : , .

«». Impersonator++. , «», . :

, , , .

« », DeepFake , . , , .

Impersonator++ Linux Windows, CUDA, gcc 7.5+, ffmpeg (ffprobe). : https://www.impersonator.org. , Impersonator++.

.

. .

!apt-get install ffmpeg #  ffmpeg
import os
os.environ["CUDA_HOME"] = "/usr/local/cuda-10.1" #  CUDA_HOME
!echo $CUDA_HOME
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
    

github :

!git clone https://github.com/iPERDance/iPERCore.git
cd /content/iPERCore/
!python setup.py develop
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
    

, :

!wget -O assets/checkpoints.zip "https://download.impersonator.org/iper_plus_plus_latest_checkpoints.zip"
!unzip -o assets/checkpoints.zip -d assets/
!rm assets/checkpoints.zip
!wget -O assets/samples.zip  "https://download.impersonator.org/iper_plus_plus_latest_samples.zip"
!unzip -o assets/samples.zip -d  assets
!rm assets/samples.zip
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
    

, , :

import os
import os.path as osp
import platform
import argparse
import time
import sys
import subprocess
from IPython.display import HTML
from base64 import b64encode
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
    

:

gpu_ids = "0"

#  
image_size = 512
#  -     2,   ,     num_source
num_source = 2
#   ,    ,    
assets_dir = "/content/iPERCore/assets"

#    
output_dir = "./results"

#          
work_assets_dir = os.path.join("./assets")

if not os.path.exists(work_asserts_dir):
    os.symlink(osp.abspath(assets_dir), osp.abspath(work_assets_dir),
               target_is_directory=(platform.system() == "Windows"))

cfg_path = osp.join(work_assets_dir, "configs", "deploy.toml")
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
    

, , :

model_id = “ident_remove_mask_multi”

#   ,    
src_path = “\”path?=/persons/person1.png\””

#     ,  , 
ref_path = "\"path?=/movement/remove_the_mask/act1.mp4\""

!python -m iPERCore.services.run_imitator  \
  --gpu_ids     $gpu_ids       \
  --num_source  $num_source    \
  --image_size  $image_size    \
  --output_dir  $output_dir    \
  --model_id    $model_id      \
  --cfg_path    $cfg_path      \
  --src_path    $src_path      \
  --ref_path    $ref_path
      
      

        
        
        
      

    
        
        
        
      
      

        
        
        
      

    
    

, , mp4 . :

, – , – .

, . .

, , , , .

Jusqu'à présent, les gens peuvent reconnaître à l'œil nu la plupart des matériaux obtenus avec l'aide de DeepFake, mais les progrès ne s'arrêtent pas, et nous pensons qu'il vaut la peine de développer / préparer des systèmes pour reconnaître de telles imitations dès maintenant. Mais c'est un sujet distinct. Il convient également de noter qu'un outil peut non seulement causer des dommages, mais aussi des avantages - tout dépend des mains dans lesquelles il tombe. Et entre les mains des cinéastes, des agences de publicité, des fonds éducatifs, cet outil, avec un développement ultérieur, peut créer beaucoup de choses intéressantes.