"Mache es, wie ich es mache!" - den Imitator studieren

Die interessantesten und vielversprechendsten Entwicklungen auf dem Gebiet der KI beziehen sich auf neuronale Netze. Heute werden wir Impersonator ++ in Betracht ziehen, um Erfahrungen im Bereich Deep Fake zu sammeln.

Derzeit beziehen sich die interessantesten und vielversprechendsten Entwicklungen auf dem Gebiet der KI auf neuronale Netze.

Sie ermöglichen große Erfolge im Bereich Computer Vision, Video- und Bildkonvertierung.

, 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 . :

, – , – .

, . .

, , , , .

Bisher können die meisten Materialien, die mit Hilfe von DeepFake erhalten wurden, mit bloßem Auge erkannt werden, aber der Fortschritt steht nicht still, und wir glauben, dass es sich lohnt, bereits jetzt Systeme zur Erkennung solcher Nachahmungen zu entwickeln / vorzubereiten. Dies ist jedoch ein separates Thema. Es sollte auch beachtet werden, dass ein Werkzeug nicht nur Schaden, sondern auch Nutzen bringen kann - alles hängt von den Händen ab, in die es fällt. Und in den Händen von Filmemachern, Werbeagenturen und Bildungsfonds kann dieses Tool mit seiner Weiterentwicklung viele interessante Dinge hervorbringen.