在人们的日常拍照中，眨眼经常会成为影响最终人像照片效果的因素之一；而且红眼等拍照痼疾相比，眨眼所造成的闭眼或半睁眼问题更加难以在后期修图中进行调整——即使现有的修图神器如 Adobe Photoshop，恐怕也很难让照片中的人自然而然地睁开眼睛。
现在，Facebook 的研究者们已近在着手解决这一问题，并取得了一定的成果。
雷锋网了解到，Facebook 于近日发表了一篇题为《Eye In-Painting with Exemplar Generative Adversarial Networks（通过样本生成式对抗网络进行眼部图像修复）》的论文，该论文解决的问题是，利用已有的人像样本，来对处于闭眼状态的人像进行眼部修复，使得后者呈现出自然睁眼的效果。
具体来说，利用一个基于机器学习技术的生成式对抗网络（Generative Adversarial Networks，简称 GAN），对其进行训练；
GAN 的一部分工作负责识别人像中的人脸，另外一部分则根据识别结果去生成类似于真实而自然的图像——在双方不断协作和改进的过程中，最终使得生成的图像结果接近于真实的人脸。
我们以下图中所展示的过程为例。简单来说，通过一张处于睁眼状态的人脸去对闭眼的图像进行人眼修复，一个简单的步骤是复制前者的眼睛到后者；但经常出现的问题是图像在颜色、姿态、方向上的不匹配。
而 Facebook 所做的就是利用 GAN 对被修复图像的面部特征进行识别，并针对识别结果对图像进行不断修正，最终达到自然效果。
在 Facebook 论文中给出的测试结果中，研究者们利用 A/B 测试方法，从 Facebook 的内部数据库拿出两组图片；第一组是一张闭眼图和一张真实图，第二组是一张闭眼图和一张 GAN 修复图——
结果是有 54% 的测试参与者没有区分出原图像和眼部修复图像之间的真实性差异。而能够被区分的图像，往往是图片中人像出现了戴眼镜或头发遮挡的情况，论文认为，更多的训练可以减少这类问题。
当然，除了眼部修复，利用 GAN 进行更多方面的图像修复完全成为可能，考虑到 Facebook 运行着全球最大的社交网络，尤其是社交网络中人像数据的庞大性，这一技术毫无疑问更有更大的应用空间。不过 54% 的成绩并不算突出，可能还需要更大的改进空间。
不过，在图像移植技术越来越先进、越来越接近真实效果的情况下，包括 Facebook 在内的巨头们将如何保证人们的肖像等权力得到充分的保障；这又是一个技术如何有效地为人类服务的问题。
【来源：驱动之家】
