Deepfake这一年：月均被搜10万次，小电影产业大丰收，寡姐欲哭无泪

车栗子 发自 凹非寺 量子位 报道 | 公众号 QbitAI

2018年，对Deepfake视频换脸术来说，是生机勃发的一年。

△ 这是一只真的寡姐

斯嘉丽·约翰逊，作为合成小电影最受欢迎的素材之一，对此表示无奈：

有人要把我的脸，贴到其他人身上，也没办法阻止。

是啊，地球上满是血气方刚的人类。很多时候，技术进步也是靠需求推动的。

新年伊始，来自荷兰的DeepTrace实验室，发布了一份DeepFake发展报告，全方位观察了这门技术旺盛的生命力。

比如，2018年“deepfake”关键词的谷歌搜索次数，比2017年增长了1000倍。

茁壮成长

这里，除了谷歌搜索量的涨势，还有成人产业的变化，开发者社区和研究人员群体壮大的历程。

搜索，不止是次数

刚才提到的，deepfake谷歌搜索次数1,000倍喷发，只是最表层的现象。

在deepfakes小电影 (2017年11月) 从Reddit论坛发迹之前，每月搜索次数只有100次左右。

到了2018年7月，每月搜索次数已经上升到100万次-1000万次。

来到12月，数字最终稳定在每月10万次。就是说，千倍只是风平浪静之后的数据而已。

而除了搜索次数之外，搜索返回的结果数也十分喜人：

不论是返回的网页数，还是带有Deepfake视频的网页数，都在持续增长，并没有随着搜索数的回落而停滞不前。

成人产业

成人影片，是第一个受到deepfakes技术大力扶植影响的产业。

这是广大用户对小电影换脸的需求决定的。

报告统计了流量排名前10的成人影片网站上，deepfakes视频的数量：

这个加号别有深意，因为PornHub不在统计范围：

PornHub已经禁止搜索“deepfakes”关键字，但不代表站内没有合成小电影。比如：

毕竟，全面删除行动也会有漏网之鱼。

另外，还有专门提供Deepfake小电影的成人网站，这些站点里Deepfake视频数量是：

所以，想看换脸小电影，还是去专门站比较好。

报告统计，2018年新上线的Deepfake小电影网站，有3家。

可惜，报告没有直接提供网址。

开发者群体壮大

报告里写到，合成视频的商品化，对这项技术的传播是有贡献的。

Reddit版面诞生不久，Deepfakes算法就开源了。

在那之后，一个围绕开源项目而生的开发者群体，就不断积蓄力量，发展壮大。不论是代码数量：

还是开发者人数：

GitHub上，deepfake/faceswap项目已有8,301个标星，2,489次Fork。

论文也越来越多

开发者通常不是技术的源头，研究人员才是。

报告选择了GAN这项以假乱真的合成技术，来观察研究人员的热情。

从GAN出世开始，每年发布在arXiv上的相关论文数，都有剧烈增长。

2018年，arXiv上发布了902篇GAN的研究成果。

其中，便有DeepMind发布的bigGAN：

也有英伟达上个月刚刚发布的GAN，生成的假脸几可乱真：

打假研究非常少

生成假图像的研究算是雨后春笋的话，检测假图像的研究就如数家珍。

2018年，全球加在一起，也只有25篇有关识别合成图像的论文发表。

对比一下，GAN有902篇。算下来，1比36。

大事年表

GAN对换脸技术的发展居功甚伟。所以，大事也要从它诞生之年讲起：

2014年，Goodfellow团队提出了名叫生成对抗网络 (GAN) 的神秘技术。Lecun说，这是20年来深度学习领域最好的点子。

2016年，基于GAN的Face2Face诞生，可以把一个人的脸部动作，无声无息地转移到另一个人的脸上。

2017年4月，朱俊彦团队的CycleGAN出世，能把一匹马变成斑马。

2017年11月，网友deepfakes在Reddit上传合成小电影，由此发迹。

△ 动作片女主，脸换成了神奇女侠

2018年2月，Reddit版面在有9万人订阅的时候被删，理由是违背了“反对非自愿小电影”的政策。

2018年8月，伯克利发表了基于GAN的Every Body Dance，让一个不会跳舞的视频主角，瞬间学会另一段视频里精致的舞步：

2018年11月，世界上第一位AI合成主播，在新华社和搜狗的孕育之下面世，达成了实时音频、视频、人像一同合成的高难成就。

丰满多汁的成果，几乎全部来自假图像的生产方；而“打假”一方，还有很长的路要走，不论从数量还是质量上。

未来怎样，还不一定呢

造假技术一日不停地精进，检测技术又没有跟上。

人类在享受合成小电影带来的幸福之余，会担心有朝一日假消息满天飞，也不是没道理。

斯嘉丽·约翰逊说，自己还不是受Deepfake影响最大的人，毕竟大家都知道那些影片是假的。可如果是普通人，就要小心保护自己的影像资料了。

相比之下，也有人并不那么悲观。曾经在谷歌负责AI政策的Tim Hwang说，Deepfake不会很快泛滥的：

至少短期之内，技术还会停留在一个狭窄范围里，不会有太多人用。因为，想要传播假消息，明显还有很多便宜又好用的方法。

报告传送门： https://s3.eu-west-2.amazonaws.com/rep2018/2018-the-state-of-deepfakes.pdf

— 完 —