首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往
您找到你想要的搜索结果了吗?
是的
没有找到

“微信身份证”AI显神威,人脸识别误判率百万分之一

来源:法制网、腾讯科技、财经内参 编辑:张乾 【新智元导读】昨天,微信发大招,在广东试点“微信身份证”,普通居民刷脸即可开通,微信身份证可用于住酒店、坐高铁等场景。刷脸识别比对的误判率,仅为百万分之一。怎么做到的?背后的详细技术解密。 今后,证明“你是你自己”,用一部手机即可。 昨天,微信发大招,在广东试点“微信身份证”(又称“网证”),普通居民刷脸即可开通。它和卡片身份证一样,能够住酒店、坐高铁、坐飞机、银行开卡等,还不怕丢。 今后,你不用每天随身带着身份证满世界跑,只要掏出手机就能搞定一切。 如何get

09

传统算法和深度学习的结合和实践,解读与优化 deepfake

前一段时间用于人物换脸的deepfake火爆了朋友圈,早些时候Cycle GAN就可以轻松完成换脸任务,其实换脸是计算机视觉常见的领域,比如Cycle GAN ,3dmm,以及下文引用的论文均可以使用算法实现换脸(一定程度上能模仿表情),而不需要使用PS等软件手工换脸(表情僵硬,不符合视频上下文),只能说deepfake用一个博取眼球的角度切入了换脸算法,所以一开始我并没有太过关注这方面,以为是Cycle GAN干的,后来隐约觉得不对劲,因为GAN系列确实在image to image领域有着非凡的成绩,但GAN的训练是出了名的不稳定,而且收敛时间长,某些特定的数据集时不时需要有些trick,才能保证效果。但deepfake似乎可以无痛的在各个数据集里跑,深入阅读开源代码后(https://github.com/deepfakes/faceswap),发现这东西很多值得一说的地方和优化的空间才有了这一篇文章。 本文主要包括以下几方面:   1.解读deepfake的model和预处理与后处理的算法以引用论文。(目前大多文章只是介绍了其中的神经网络,然而这个项目并不是单纯的end-to-end的输出,所以本文还会涉及其他CV的算法以及deepfake的介绍)。   2.引入肤色检测算法,提升换脸的视觉效果。

01
领券