"¡Hazlo cómo yo lo hago!" - estudiando al imitador

Los desarrollos más interesantes y prometedores en el campo de la IA están relacionados con las redes neuronales. Hoy consideraremos Impersonator ++ para ganar experiencia en el campo de la falsificación profunda.

Actualmente, los desarrollos más interesantes y prometedores en el campo de la IA están relacionados con las redes neuronales.

Permiten alcanzar un gran éxito en el campo de la visión por ordenador, la conversión de vídeo y de imágenes.

, 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 . :

, – , – .

, . .

, , , , .

Hasta ahora, la gente puede reconocer la mayoría de los materiales obtenidos con la ayuda de DeepFake a simple vista, pero el progreso no se detiene, y creemos que vale la pena desarrollar / preparar sistemas para reconocer tales imitaciones ya ahora. Pero este es un tema aparte. También debe tenerse en cuenta que una herramienta puede causar no solo daño, sino también beneficio, todo depende de las manos en las que caiga. Y en manos de cineastas, agencias de publicidad, fondos educativos, esta herramienta, con un mayor desarrollo, puede crear muchas cosas interesantes.