本文來自AI新媒體量子位（QbitAI）
這句話你說過沒有？不承認？我給你看證據！
于是你就看到一段視訊，畫面中的你開口說了一段你不曾講過的話，口型自然、動作流暢。這是怎麼回事？
來自牛津大學工程科學系視覺幾何組的三位工程師，最近提出了一種生成聊天面部視訊的方法。這個方法需要兩個輸入資訊：
一張靜止的面部圖像
一個語音片段
可以得到的輸出，是口型與語音片段同步且比對的視訊。這個方法可以實時工作，并且在運作時，可以應用于未曾見過的面孔和未曾聽過的音頻，也就是說，不是訓練資料的情況下也能工作。
幹說不如來段視訊，一下就全明白了：
為了實作上述效果，牛津大學的團隊提出了一種編碼-解碼CNN模型，使用面部和音頻的聯合嵌入，來生成合成的面部聊天視訊幀。這個模型經過數十小時未标記視訊的訓練。
相關Paper在此：
<a>https://arxiv.org/pdf/1705.02966.pdf</a>
【完】
本文作者：若樸
原文釋出時間：2017-05-16