- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器之心
教程 | 如何使用DeepFake实现视频换脸
机器之心发布 作者：冯沁原 不久之前，AV 视频换脸明星的 DeepFake 火了。这篇文章将一步步教你如何实现换脸。 如果你是第一次听说 DeepFake，一定要点击上面的视频，亲自感受一下尼古拉斯的脸是如何占据全世界的每一个影片。 项目实战 我们要如何实现视频里的变脸呢? 因为视频是连续的图片，那么我们只需要把每一张图片中的脸切换了，就能得到变脸的新视频了。那么如何切换一个视频中的图片呢? 这需要我们 首先找到视频中的脸，然后把脸进行切换。 它将人脸分成了如下的区域: 眼睛 (左/右) 眉毛 (左/右) 鼻子 嘴 下巴 基于这些标记，我们不仅能够进行后续的换脸，也能检测脸的具体形态，眨眼状态等。 padding='same', activation='sigmoid')(x) return KerasModel(input_, x) 整个网络的结构如下： 来源: 刷爆朋友圈的视频人物换脸是怎样炼成的
10.7K30发布于 2018-06-08 - 来自专栏MixLab科技+设计实验室
视觉特效·AI视频抠图·换脸
绿幕 影视剧拍摄技术 VFX的素材最常用的是绿幕视频。通过拍摄实景+绿幕，然后通过把绿幕视频素材合成到3D场景中。 使用blender可以很轻松的实现这种合成。 比如下方这个教程，把小猫跳跃的绿幕视频合成到3D场景中。 eva @ace 到哪里去收集这些绿幕视频呢？难道还要自己搭一个绿幕来拍摄吗？ 其实不用呀，可以好好研究下AI视频抠图的技术 shadow eva 大批量的绿幕视频就有了。。 无界 配合上AI换脸之类的，素材更多了~~ 3D实时换脸技术 对，如果是偏艺术的素材，还可以有这种复活名画的玩法~~ shadow AR艺术滤镜 使用mediapipe的facemesh模型实现的
4.9K10发布于 2021-08-26 - 来自专栏目标检测和深度学习
教程 | 如何使用DeepFake实现视频换脸
机器之心发布 作者：冯沁原 不久之前，AV 视频换脸明星的 DeepFake 火了。这篇文章将一步步教你如何实现换脸。 如果你是第一次听说 DeepFake，一定要点击上面的视频，亲自感受一下尼古拉斯的脸是如何占据全世界的每一个影片。 项目实战 我们要如何实现视频里的变脸呢? 因为视频是连续的图片，那么我们只需要把每一张图片中的脸切换了，就能得到变脸的新视频了。那么如何切换一个视频中的图片呢? 这需要我们 首先找到视频中的脸，然后把脸进行切换。 它将人脸分成了如下的区域: 眼睛 (左/右) 眉毛 (左/右) 鼻子 嘴 下巴 基于这些标记，我们不仅能够进行后续的换脸，也能检测脸的具体形态，眨眼状态等。 padding='same', activation='sigmoid')(x) return KerasModel(input_, x) 整个网络的结构如下： 来源: 刷爆朋友圈的视频人物换脸是怎样炼成的
7.1K20发布于 2018-07-20 - 来自专栏IT派
图像 | 视频换脸技术，女神都下海了吗？
而且还火了一段羞羞的成人小视频，《神奇女侠》的扮演者盖尔·加朵居然是这个视频的女主，盖尔·加朵各种辣眼睛的场面，相信你一定没见过 刺激的猿妹不敢放 其实这是一段合成视频，视频中并非盖尔·加朵本人。 羞羞视频背后的男人 原来，让这些女星“拍片”的人居然是Reddit上一位名叫deepfake的程序猿，据说他并非是专业的研究人员，只是机器学习爱好者。 使用者选择一个目标角色，比如川普，系统会将他和川普的面部特征重构并追踪，当他做出一个面部表情时，模型会重新渲染川普的脸的形状和光影，并对背景进行修改。 AI合成奥巴马 还有，今年7月份IEEE曾报道，美国华盛顿大学的一项新研究表明，基于现有公开的 Obama 音频和视频片段，人工智能（AI）软件可生成了口型几乎完美匹配、高度逼真的假视频。 研究团队用神经网络程序分析了视频中的数百万帧影像，以确定奥巴马脸部的变化，通过采集了音频片段（原始音频文件），再把口型和新的音频文件剪辑匹配，再嫁接到新视频，整个视频中奥巴马说话时嘴唇的动作几乎和声音完美对应
4.3K100发布于 2018-03-27 - 来自专栏华章科技
揭秘Deepfake换脸视频背后的技术细节
导读：你一定看过很多换脸视频了，今天我们聊聊这些视频背后的技术——GAN。 作者：木羊同学 来源：大数据DT（ID：hzdashuju） ? 01 什么是GAN 今天聊GAN。 这要从一个新闻说起，2020年圣诞流出一段诡异的视频，英国那位超长待机的老婆婆先是在视频里来了一段放飞自我的演讲，把以前绝对不适合在正式场合讲的话统统一吐为快，然后干脆彻底放飞自我，直接跳上桌子上来了一段 当然，听过新闻的同学应该已经知道了，这位放飞自我的老太太只是用深度伪造技术（DeepFake）山寨出来的Deepfake Queen，但是那段视频实在过于逼真，大家都不禁去想，视频中的老太太如果不是太反常理 深度伪造最早是以“换脸”（Face-Swap）的形象出现在世人面前，当然，现在深度伪造早已开枝散叶，远不止是换脸，但所使用的核心技术却始终如一，这就是我们今天的主角，GAN。
1.6K20发布于 2021-02-05 - 来自专栏业余草
Deepfakes 换脸教程！
另外一个人的样本是凯瑞穆里根，由于实在是找图片麻烦，所以直接截取了《The Great Gatsby》里的视频，然后用ffmpeg转化为图片，大概有70张的样子。 ? 面部抓取 ? 做这个的原因是因为我们主要关注的是换脸，所以只需要获取脸部的特征，其他环境因素对换脸的影响并不大。 ? 在面部抓取的过程完成后，我们可以得到所有脸部图片。 在训练完模型后（损失值较低），可以使用以下命令对目标图进行换脸： ? 此处的例子是找的一个视频，所以我们可以先用下面的命令将一个视频以一个固定频率转化为图片： ? 然后执行转换人脸操作。 最后将转换后的人脸图片集合，合成一个视频： ? 下面是两个换脸图（样本A 110张图片，样本B 70张图片，训练时间6小时）： ? ? 嗯…效果不咋样… 建议大家可以增大样本量，并延长训练时间。 这样最后我们用图片B获取到的脸，使用encoder抽取特征，再使用A的decoder还原，便会得到A的脸，B的表情。
5.8K63发布于 2019-09-06 - 来自专栏腾讯云存储
智能存储 | 视频增强“全家桶”,为您的视频快速“换脸”
从今往后，这些问题都将不再是问题，数据万象携手多媒体实验室为您提供视频增强超值全家桶，含视频降噪、色彩增强、细节增强、超分辨率、SDR to HDR、HDR2SDR 等能力，通过不同能力的组合，满足您的各类视频增强与修复需求 ，让视频快速熠熠生辉。 ，其中媒体处理服务向传媒、文旅、电商等行业提供HDR转换、极速高清、精彩集锦、超分辨率等能力，串联适配各行业的音视频智能处理流程。 让我们看看视频增强这系列组合拳如何让老、旧、暗、差视频“妙手回春”。 老片修复场景 老片修复在传统影视制作行业需要大量人工进行画面修复。 ，一部90分钟的老电影，7-8个小时就可以修复完毕，极大地提高了视频修复效率。
1.3K70发布于 2021-11-16 - 来自专栏AI算法能力提高班
换脸&生成 | 让你们的脸为所欲为
娱乐和媒体： 在电影和视频游戏制作中，InstantID可以用来快速生成或修改角色的外观，减少CGI制作的时间和成本。 对于音乐视频和MV制作，InstantID可以用于创造独特的视觉效果，如将艺术家的面部特征融入到特定的艺术风格中。 样例1 输入参考图像（一定要带脸） 2 输入提示词（不要输入中文，请输入英文） a man, suit 3 输入参考姿势图像（可选项） 输入的Pose姿势图像，可以调整生成图像的面部姿势（朝向） 4
1.5K11编辑于 2024-01-29 五大免费在线AI视频换脸工具推荐
超易用的免费在线AI视频换脸你有没有梦想过成为电影明星？或者想制作一些搞笑的恶作剧视频来娱乐朋友？通过免费的在线AI换脸视频工具，这些愿望都可以实现！ SwapFaces AI —— 简单易用的AI换脸视频工具SwapFaces AI的主要特点：它可以帮助你轻松换脸，并提供多种设计模板，以满足各种主题和场合的需求。 Imageenhan.com —— AI视频换脸领域的新星Imageenhan 是 2024 年推出的新型AI换脸视频工具。尽管它是一款新产品，但其功能和用户友好性不逊色于市场上多年的其他产品。 FaceSwapper —— 充满个性的AI换脸工具FaceSwapper.ai 是一款功能全面的免费在线AI换脸视频软件，深受广大用户喜爱。 Reface —— 具有广泛面部库的AI换脸视频工具Reface 是一款功能全面的免费在线AI换脸工具，用户范围广泛。它非常简单易用，主要特点是可以交换名人的面孔。
31.9K10编辑于 2024-08-06- 来自专栏cuijianzhe
python 实现 AI 换脸
AI 换脸实现 科普：我们人眼看到连续画面的帧数为 24 帧，大约 0.04 秒，低于 0.04 就会卡成 ppt。 usr/bin/python # -*- coding: utf-8 -*- # @Time : 2019/9/1 8:50 # @Author : cuijianzhe # @File : AI换脸 faces[0] rectangle = list0['face_rectangle'] # print(rectangle) return rectangle #number表示换脸的相似度 faces[0] rectangle = list0['face_rectangle'] # print(rectangle) return rectangle #number表示换脸的相似度 不过目前是实现了从宋祖儿---> 朴信惠换脸术， ---- 标题：python 实现 AI 换脸 作者：cuijianzhe 地址：https://solo.cjzshilong.cn/articles
7.1K11编辑于 2022-06-14 - 来自专栏全栈程序员必看
如何使用 Deepfakes 换脸
做这个的原因是因为我们主要关注的是换脸，所以只需要获取脸部的特征，其他环境因素对换脸的影响并不大。 在面部抓取的过程完成后，我们可以得到所有脸部图片。 转换人脸 在训练完模型后（损失值较低），可以使用以下命令对目标图进行换脸： . /faceswap.py –i input_images_folder/ -o output_images_folder/ -m models/ 此处的例子是找的一个视频，所以我们可以先用下面的命令将一个视频以一个固定频率转化为图片 下面是两个换脸图（样本A 110张图片，样本B 70张图片，训练时间6小时）： 嗯…效果不咋样… 建议大家可以增大样本量，并延长训练时间。 这样最后我们用图片B获取到的脸，使用encoder抽取特征，再使用A的decoder还原，便会得到A的脸，B的表情。
3.5K10编辑于 2022-09-01 - 来自专栏GitHubDaily
GitHub 热榜：AI 视频换脸都有 App 客户端了？！
让视频会议不再枯燥，一键换脸，想用谁的身份开会就用谁的身份。现在，这个名为 Avatarify 的 AI 换脸项目可以在苹果商店中下载使用了。 人类对于角色扮演的热情永远不会消退，这也是 AI 换脸广受追捧的原因。 三个月前，机器之心曾介绍过一个换脸项目 Avatarify。 利用这项技术，你可以将自己的脸实时替换成别人的脸，在视频会议中的表现十分流畅。迄今为止这个项目已在 GitHub 上获得了 8.5k 的 star 量。 ? 在使用 Avatarify 时，借助 deepfake 等其他换脸技术，在想要交换的脸部图像上对算法进行训练。通过在目标图像的相似类别上训练算法，该模型支持实时换脸操作。 ? 还有换脸界最喜欢的蒙娜丽莎： ? 蒙娜丽莎：「你喜欢我的微笑吗？」（Do you like my smile?） 试用效果 本着负责任的态度，我们对产品进行了试用。
4.5K31发布于 2020-08-11 - 来自专栏AI研习社
深度解密换脸应用 Deepfake
Deepfake 就是前一阵很火的换脸 App，从技术的角度而言，这是深度图像生成模型的一次非常成功的应用，这两年虽然涌现出了很多图像生成模型方面的论文，但大都是能算是 Demo，没有多少的实用价值，除非在特定领域 一、基本框架 我们先看看 Deepfake 到底是个何方神圣，其原理一句话可以概括：用监督学习训练一个神经网络将张三的扭曲处理过的脸还原成原始脸，并且期望这个网络具备将任意人脸还原成张三的脸的能力。 人脸识别问题 由于第一个环节是对人脸做预处理，算法必须首先能识别出人脸，然后才能处理它，而 dlib 中的人脸检测算法，必须是「全脸」，如果脸的角度比较偏就无法识别，也就无法「换脸」。 视频抖动问题 视频抖动是一个很关键的问题。主要源自两点，第一点是人脸识别中断的问题，比如 1 秒钟视频的连续 30 帧的图片中间突然有几帧由于角度或是清晰度的问题而无法识别产生了中断。 视频抖动目前尚未有很好的解决方案，唯有不断提高算法的精确度，同时提高人脸识别和人脸转换的精确度。
4.3K60发布于 2018-03-28 - 来自专栏aigc
ComfyUI 换脸工作流
而现在，通过 ComfyUI 的工作流，我们不仅能够轻松实现高质量的换脸效果，还支持同时处理多张人脸，以及视频的合成处理。更为重要的是，可以根据实际需求灵活调整参数，实现定制化的工作流程。 https://github.com/Gourieff/comfyui-reactor-node换脸工作流ComfyUI 换脸工作流能够处理图片、视频以及多人换脸任务，可以通过 Set Group Nodes 我一般先启用图片换脸任务查看效果，调整参数达到满意程度后再切换到视频换脸。图片换脸在图片换脸的工作流中，需要 2 个 Load Image 节点来分别上传原图和参考人脸图片。 视频换脸对于视频而言，其核心思路在于对视频中的每一帧都执行相同的换脸操作，并确保视频在换脸后保持连贯性和一致性。Load Video创建一个 Load Video 节点，上传视频并连接视频到图像处理。 小结通过上述步骤和参数设置，ComfyUI Reactor 节点为我们提供了一个强大而灵活的换脸解决方案。从图片到视频，从单人到多人换脸，我们都可以借助工作流轻松实现效果。
3.9K10编辑于 2025-01-21 - 来自专栏深度学习那些事儿
解密Deepfake(深度换脸)-基于自编码器的(Pytorch代码)换脸技术
将视频中的头换成另一个人的头像，虽然可能有些粗糙和模糊，但是在分辨率不要求很高的情况下可以达到以假乱真的效果。 举个栗子，如下图中将希拉里换成特朗普的一段演讲视频。 最早之前，实现人脸互换是通过分别分析两者人脸的相似信息来实现换脸，也就是通过特征点匹配来提取一张脸中例如眉毛、眼睛等特征信息然后匹配到另一张人脸上。 关于更多自编码器的知识：理解深度学习:与神经网络相似的网络-自编码器(上) 网络构架 那么应该如何通过自编码器实现我们的换脸技术呢？ 总之，我们想实现换脸的操作，在整体结构不变的基础上，需要满足以下几点： 如上图，也就是类似于VGG的编码网络、还要可以打乱空间结构结构的全连接网络、以及可以快速且较好地上采样图像的Sub-Pixel网络 总结 总得来说，这个换脸技术是一个结构简单但是知识点丰富的一个小项目，其结构简单易于使用以及修改，并且可以生成不错的效果，但是因为其拥有较多的参数，其运行速度并不是很快(当然我们可以通过改变编码层和解码层结构加快训练生成的速度
4.9K50发布于 2019-01-23 - 来自专栏C语言入门到精通
AI 换脸用来拍“大片”？？
AI 换脸又一次刷爆了朋友圈 最近云毕业正当时，各家科技公司顺势推出了自己的 AI 换脸技术，结果又被同学们玩坏了！ 换脸这件事绝不能少了业界大佬们！ ? 仔细来看，AI 换脸技术近些年还是成熟不少，整体的面部贴合度、细节处理都有了明显的提升。近日，Deepfake 领域再一次取得了重要突破。 他们声称该技术可在人脸交换过程中产生高分辨率，逼真的图像 / 视频，非常适合大屏幕播放。 ? 局部融合更考验换脸的技术难度。 而且研究人员证实，视频中的人脸交换一般比静态图像效果更好。 局部人脸交换在动态视频中的融合优势，这在电影场景中是非常必要的。 更值得关注的是它可以产生百万级像素的分辨率。 基于梳状模型的最新算法 那么这项 AI 换脸技术是如何实现的呢？我们先来看一组完整的换脸路径图： ?
4.9K3329发布于 2020-09-08 视频换脸革命！清华等发布CanonSwap「运动分离术」：告别僵硬脸，完美同步表情动作！
视频动态恢复：通过逆映射将换脸结果重新嵌入原视频运动轨迹。 达到的效果 高质量身份迁移：在保留目标视频动态属性的同时，实现高保真身份转移，减少伪影。 方法 现有的人脸交换方法直接在目标图像或视频的原始空间中进行换脸。由于运动与外观高度耦合，修改人脸时往往会无意中改变运动信息，从而导致视频换脸中出现抖动并降低整体真实感。 随后，我们在该规范空间内执行换脸，并将结果变形回原始空间。得益于运动与外观的解耦，CanonSwap可在视频帧间实现高度一致且稳定的换脸结果。 这一综合损失函数使我们的模型能够实现具有运动一致性和清晰身份迁移的高质量换脸效果。 视频换脸评估指标 传统换脸评估通常依赖ID相似度、ID检索、表情准确度、姿态准确度和FID等指标。 虽然这些指标对基于图像的换脸有效，但无法捕捉视频换脸特有的挑战（如时序一致性和唇音同步）。为此，提出一组专为视频换脸设计的细粒度评估指标。
46910编辑于 2025-08-27- 来自专栏AI产品体验专栏
AI换脸技术新纪元：直播与视频创作的新利器
它不仅为视频创作者提供了新的表达方式，也为直播行业带来了革命性的变化。 以下是一些目前市场上领先的实时面部交换软件： FaceFusionFaceFusion 是一款功能强大的实时面部交换工具，它支持图片、视频和直播换脸。 这款软件以其高清算法和多种模型而闻名，能够提供令人印象深刻的换脸效果。FaceFusion 的遮罩功能解决了脸部有物体遮挡时的融合问题，确保了换脸的自然度。 它能够将图片或视频中的人脸实时替换，并且支持超分辨率和色彩传输。Deep-Live-Cam 提供了一个简洁的用户界面，用户只需上传面孔图片并点击 "Live" 按钮，即可轻松实现实时换脸效果。 项目地址：https://github.com/hacksider/Deep-Live-Cam ReHiFace-SReHiFace-S 是一款开源的实时高保真换脸工具，无需用户额外训练即可进行实时换脸
1.4K10编辑于 2024-09-30 - 来自专栏奇点大数据
AI 换脸技术——DeepFakes 概述（二）
相关文章：AI 换脸技术——DeepFakes 概述（一） DeepFakes的“短板” 尽管DeepFakes所呈现出的结果让人很惊讶，但就现在来说，它的局限性还是很明显的： 首先，DeepFakes 如果要用另外一个人的脸替换视频中的脸，那么你需要300到2000张这个人的人脸图片。所需图片的数量取决于人脸的变化程度，以及它们与原始视频的匹配程度。 因此视频换脸比较适用于艺人，或者是那些在网上有大量照片的人。所以很明显，并不是任何人的人脸交换都是这么简单的。 其次，训练的数据必须要选择非常有代表性的图片。 DeepFakes的另一局限性在于，建立一个换脸模型会消耗大量的时间和金钱。一般的换脸效果大概需要48小时的训练，而一个相对不错的换脸则需要大约72小时的训练才能达到。 这一技术同样能带来新的机遇，例如，让一些不知名的演员来拍电影，然后用大牌演员的脸来替换他们的脸。这可以用于制作YouTube视频或是普通民众拍摄的新闻节目。
6.1K70发布于 2018-04-24 - 来自专栏CNN
【Python案例】基于OpenCV换脸效果
0 前言 当前基于深度学习的人工智能的换脸技术比较多，但实际上，对于一些相同角度、相似肤色换脸场景其实无须通过深度学习模型即可达到比较好的效果。 本文基于OpenCV针对相同脸部角度、相似肤色场景实现完美换脸。 最终效果如下所示（下图为动态图，读者可以仔细观察脸部变化过程）： [相互换脸效果] 1 原理 原理如下： 查找脸部关键点 获取关键点凸包，并对凸包点计算delanauy三角形。 dlib可以检测人脸68个关键点，如下所示： [68个关键点] 3 delanauy三角形 得到68个关键点后无法直接贴脸，因为每个人的脸型大小不一致。 公众号聊天界面回复：换脸 获取完整源码。 如果您觉得本文有帮助，辛苦您点个不需花钱的赞，您的举手之劳将对我提供了无限的写作动力！ 也欢迎关注我的公众号：Python学习实战， 第一时间获取最新文章。
3.1K52编辑于 2022-05-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号