Re: [討論] 高橋聖子 馬賽克破壞

[derekhsu (華麗的天下無雙)]

※ 引述《silverair (那真是太諷刺了紹安)》之銘言：
: ※ 引述《VScode (VSisBestIDEinTheWorld)》之銘言：
: : 有人說這是靠算法猜出來的
: : 原始的像素都已丟失
: : 如果真的是靠算法逆推回來的
: : 那高橋的手指是怎麼算出來的
: : 男優做上下包皮的動作
: : 也完整符合他的手臂運動
: : 要哪裡找來的屌 還能符合他的包皮上下頻率的
: : 怎麼看都是馬賽克被破解了
: : 而不是靠算法腦補的
: : → yobe: 可以看看這篇https://zhuanlan.zhihu.com/p/27199954 看不懂  07/18 21:54
: : → VScode: 看了y大那篇 看來是訓練模型原圖跟上碼的圖的差別          07/18 21:59
: : → VScode: 再把還原的步驟套到想破解的影片上                        07/18 22:00
: : → VScode: 所以不是拿別人的圖合成的 大家可以開心尻啦               07/18 22:01
: 基本上這個東西就是文章內講的GAN
: 以我之前嘗試的沖田杏梨換成統神臉來舉例
: https://www.youtube.com/watch?v=5FmdMvaW884
: 這種東西要說是還原並不正確
: GAN是你給他素材讓他自己去訓練，然後他會逐漸train到最少的loss(最優的結果)
: 本質上來說，他還是拿別人的圖來合成
: 只是把圖預處理過了。
科普一下GAN的原理

GAN的中文是生成對抗網路，是深度學習技術的一種延伸，首先我們來非常粗淺
的談一下深度學習，其實深度學習就是過去的類神經網路，所以在談深度學習之
前又要談一點類神經網路，但類神經網路其實是模擬生物的神經網路的產物，所
以又必須談一點生物神經網路。

所以先來談生物神經網路的概念，簡單來說，生物神經網路可以被視為一種電子
訊號的傳遞網路，以視覺為來，最前端的就是我們整個眼珠，從最外層的角膜開
到視網膜之前，都是在調整處理輸入到我們眼睛中的光線，而最終光線投影到視
網膜上，視網膜會將投影結果轉換成神經電子訊號，是一種光-電訊號的轉換，
接著，這些電子訊號會經過神經網路中的各種神經元，每個神經元都有自己的功
用，比如說某個神經元處理對於紅色比較敏感，有些神經元對於綠色比較敏感...
...這一大堆信號，會經過我們的龐大神經網路中的神經元經過各種調整，過濾
最終在我們的大腦視覺中樞，最終的信號，可以讓我們用來成像。此外，這些信號
也會被導入到其他的認知中樞，比如，我們能判斷他們邊緣，輪廓，判斷他是不是
我們認識的人，是好人還是壞人，是男人還是女人。

雖然成像是我們先天就會的，但是其他更抽象化的辨別，卻是後天經過我們學習
所影響的，而這個學習過程，會對我們的所有神經細胞產生影響。儘管這個影響
的機制目前還不明確，類神經網路的目標，就是嘗試用數學的方式，模擬出人類
神經網路的學習過程，所以稱之為類神經網路。

那什麼是深度學習？首先要知道的是，大腦內的神經元數量級是10^10方等級的數
量，大約860億個，這即使對現在電腦來說，也絕對不是一個很容易就能計算的數
據。所以傳統的類神經網路，只有三層：分別是輸入層，隱藏層，跟輸出層。

輸入層，以視覺來說，就是視網膜，輸出層也就是大腦神經中樞，那些視覺信號成
像，作判斷的區域，而中間的那些神經元，就是隱藏層。由於過去運算能力限制，
隱藏層被限定在只有一層，因為以當時的計算能力，多層隱藏層在實際上的計算
以及儲存的需要都太龐大，無法實際應用，只有在超大型的主機上才有機會使用。

然而，在GPU的發展以及雲端架構的成本降低，讓一般繪圖顯示卡也可以承擔計算
多層隱藏層的計算負擔。所以，所謂的深度學習，不是你的學習很有深度，而是
這個類神經網路的隱藏層數量 > 1。

https://i.imgur.com/EGAGuI5.png

那所謂的計算，又是計算什麼呢？我們可以這樣想像，每個神經元可以接收來自上
一層的信號，像上面這張圖，這個信號介於0-1之間，至於要怎麼把信號變成0到1之
很簡單，作標準化就好了，以一張黑白灰階圖片為例，每個像素的灰度從0-255，這樣
我們只要把每個像素點/255，每個輸入層的節點就是0-1之間的浮點數（小數）。

接著，每個神經元都會有一個觸發函數，以及神經元權重，根據前一級收到的信號，
每個神經元經過觸發函數以及權重的計算，產生輸出信號給下一級，以此類推，最終
輸出層會把最終的信號會整座最後的判斷：回歸（預測一個數字）或是分類，根據分
類以及回歸結果，輸出層之前一層先前預測的正確狀況，讓前一層修正其權重，這
種往前回報的修正過程，稱之為倒傳遞，也就是神經網路的學習過程。

那麼GAN是什麼？所謂的「對抗網路」是真的有兩個網路對抗。一個叫生成器
(Generator)，一個叫鑑別器(Discriminator)。這個生成器，就是負責利用深度學習
來成像，簡單來說，你想像一下，一眼看著三上悠亞，一眼看著韓國瑜，然後在
心中想像如果三上悠亞的臉變成韓國瑜的光頭，會是怎樣。然後你想像出了一個樣子
，告訴鑑別器，用深度學習來預測類別機率(人/不是人,鮑/不是鮑)，在我們的例子
裡面，也就是你的性心裡中樞，這張照片還可以讓你有性衝動打出來嘛嘛？有，那就
合成結果還不夠像韓國瑜，然後你又多看了幾個三上悠亞的片子跟韓國瑜的照片，在
心中想像又做了修正，然後再打一次手槍，還打得出來？那就是還沒合成功，就在多
看一次...以此類推，最終有一天你會合成出一張很完美的合成圖片，讓你完全軟屌
，打不出來，那麼，這個生成器的神經元權重就是最好的神經元權重，這個生成器
可以完美的把韓國瑜的頭換到三上悠亞頭上而且你看不出破綻，讓你即使看到三上悠
亞完美的膧體但是一滴洨也流不出來，恭喜你完成了GAN的訓練了，從此以後你看到
三上悠亞的片子都能完美的把三上悠亞的臉換成韓國瑜。

以上就是對於GAN生成對抗網路的補充，有什麼錯誤請指正。說起來很簡單，但實務上
是非常困難而且很花時間的工作。

--
～四十八個德瑞克～http://blog.derekhsu.net


--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 152.78.0.160 (英國)
※ 文章網址: https://www.ptt.cc/bbs/japanavgirls/M.1563561975.A.751.html
推 AJhe0924: 板主發文了！！
推 a8312116: ...舉例是怎樣
推 hdotistyle: 太深奧了 看不懂
推 sa13961387: 不行阿，這樣悠亞會壞掉的
→ avgirl: Training Training Training
推 ckshchen: 可以把陳靜的臉接上邵音音的胸部和身材嗎?
推 lulocke: 彙整做
推 PANG920: 笑死 就是把兩種不同的東西，搞得看起來很像啦
噓 mirac1e: 我推薦麻美跟王仁甫 XD
推 gaiaesque: 蝦小XD
推 rocfrank: 科普就科普 滿腦的韓國瑜 三上悠亞想成蔡英文 才是科普
→ rocfrank: 精神
推 hiyida: 我到底看了什麼
推 andboypig: 版主推一個
推 SiLlYWanKer: 原來是科普的板 我還以為是女優板
推 Coloring: 原來是科普的版 我還以為是暗黑表特版
→ scotch77642: 我尻太多 看不太懂
推 sarshia: 果然本版才是批踢踢最後淨土
推 piggywoody: 聖人模式來學習，效率真高
推 fight40520: 走錯板了?
推 nash475: 科普推
推 newstyles: 感覺回到研究所那段血淚的日子
→ abomgo: 褲子都脫了，給我看這個？XD
推 saint01: 還以為進錯板
推 gaussjordan: 我只是想看A片
推 jiro0718: 菅野跟史特龍
推 wx190: 我走錯版了是嗎
推 nissptt: 很可以
推 SuzukiFeiya: 科普向
推 Feverist: 你的舉例真是...讚
推 iyoiyo123: 麻美跟汪人撫的組合無違和 讚讚
推 iLeyaSin365: AV三上國瑜出道
推 nnnn7615: 果然版上是最和平的
推 cuteme5566: 還以為走錯板
推 TOROKYO: 韓粉立馬高潮 77777
推 p2p8ppp: 你這個比喻讓我以後看到三上都會想到韓國瑜==
推 alan15161718: 舉例快笑死
推 KnightLee: 我真的在看av版嗎
推 devilmaycry: 清新、優質!
推 arrakis: 深入淺出 XD
推 Galm: 快推要不怕別人說我們看不懂!!
→ javatea: 不董就不要裝懂 笑死
推 ls4860: 用中文寫一遍啦
推 bartester: 推
推 ckwongs: 這是暗黑科技板
推 L9C4iO: 這到底是三小
推 blackwoods: 你484欺負文組看不懂
推 Minesweeper: 中後段直接暴走XD
推 russellluo: 這個版果然是ptt最清新優質的版xDDD
推 av8d2124: 我只是想看A片.....
推 x69toki: 請問如果是直接拿韓的照片尻的人，又該怎麼辦呢
推 Bastain: 笑死了
推 lbjstar: = =a
推 timtdsas: 推
→ avgirl: 明日花破壞版有惹...頗真，畢竟正常薄碼看本來94黑包
→ avgirl: 搞這個影片的如果把薄碼時期拍的片子，可能會比較真^.^
推 moo971118: 真的有人看完全文ㄇ==
→ oops66: 看個A片也要扯到deep learning/AI/neural network 太神了!
推 aegis91086: 推
推 jeffych: 舉韓國瑜當例子 會讓一堆韓粉高潮啦
推 vi000246: 果然為了看AV就能學到一堆知識呢
推 iam1vol: 推科普。借問若在training data 中丟入正面臉跟側臉的dat
→ iam1vol: a也有辦法準確的訓練出來嗎?
推 henry5217: 果然是需要網址 為了學術研究