"Faca oque eu faco!" - estudando o imitador

Os desenvolvimentos mais interessantes e promissores no campo da IA ​​estão relacionados às redes neurais. Hoje vamos considerar o Impersonator ++ para ganhar experiência no campo do Deep fake.

Atualmente, os desenvolvimentos mais interessantes e promissores no campo da IA ​​estão relacionados às redes neurais.

Eles permitem alcançar um grande sucesso no campo da visão computacional, conversão de vídeo e imagem.

, 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 . :

, – , – .

, . .

, , , , .

Até agora, as pessoas podem reconhecer a olho nu a maioria dos materiais obtidos com a ajuda do DeepFake, mas o progresso não para, e acreditamos que vale a pena desenvolver / preparar sistemas para reconhecer tais imitações já agora. Mas este é um tópico separado. Deve-se notar também que uma ferramenta pode trazer não apenas danos, mas também benefícios - tudo depende das mãos em que cai. E nas mãos de cineastas, agências de publicidade, fundos educacionais, essa ferramenta, com um desenvolvimento posterior, pode criar muitas coisas interessantes.