TOKEN:一张照片生成 3D 头像！苹果新模型击败 StyleGAN2，表情光线都能调_BIT

来源：量子位

随便一张照片，就可生成3D头像。而且光线真实，任意角度可调。

这是苹果的最新黑科技生成框架FaceLit。

正如其名，FaceLit的特色就是可以将人脸“点亮”。

“自带光环”的FaceLit在易用性上也不输同类，甚至更胜一筹——

进行3D建模时，需要的照片素材无需专门选择角度，数量上也只需一张。

甚至对表情、发型、眼镜等元素进行调节时，也不需要额外素材。

而传统的头像合成工具或者需要多张图片才能工作，或者对照片角度有刁钻的要求。

正是凭借这一创新，FaceLit获得了3.5的FID评分，较同类产品直接高出了25%。

万事达卡与EurocoinPay合作推出了一张由比特币和加密货币支持的借记卡:金色财经报道，万事达卡与EurocoinPay合作推出了一张由比特币和加密货币支持的借记卡，该卡可在全球9000万个商户地点使用。[2022/9/24 7:17:43]

改进式EG3D合成人像，光线信息单独处理

下面就来看一下FaceLit具体是如何实现头像合成的。

总的来说，苹果采用了将人物本体与光线分别处理再进行叠加的策略。

早期的三维人像合成工具在转换过程中可能产生形变。

而爆火的NeRF通过将场景拆分成具体因素，提高了3D图像合成效果，改善了这一问题。

但苹果团队认为，在可控性方面，NeRF仍存有不足之处。

于是，在EG3D框架的基础上，苹果创造了FaceLit的合成模型。

EG3D通过三平面解码器，赋予了二维卷积神经网络生成渲染3D模型所需深度参数的能力。

BitFlyer将从12月1日起提供日本第一张信用卡“bitFlyerCreca”:12月2日消息，运营加密货币交易所的BitFlyer将从 12 月 1 日起提供日本第一张信用卡“bitFlyerCreca”，用于与Aplus合作交易数字货币。通过使用bitFlyer信用卡进行日常购物和支付水电费，数字货币将根据使用量自动累积。累积数字货币可以通过bitFlyer出售。因此，需要一个bitFlyer账户才能申请。使用刷卡购物，APLUS的“特别礼品积分”将以0.5%至2.0%的返还率累积，并自动兑换成数字货币并累积在用户的bitFlyer账户中。您可以使用bitFlyer查看交换的数字货币。

特典积分兑换数字货币的兑换率以兑换当日（每月20日左右）为准。有两种类型的卡：无会员年费的标准卡“bitFlyer Credit Card”和年费为16,500日元的白金卡“bitFlyer Platinum Card”。标准的积分兑换率为 0.5%，白金的积分减少率为 1.0%。至于附带服务，则以卡片失窃及遗失赔偿为标准。[2021/12/2 12:45:15]

苹果团队对标准的EG3D训练方式进行了扩展，并将之转化成了FaceLit框架。

法官阻止销售Jay-Z的第一张专辑及其作为NFT的版权:一名纽约法官发布了一项临时限制令，以阻止 Roc-A-Fella Records Inc (RAF) 联合创始人 Damon Dash 涉嫌出售 Ja??y-Z 首张专辑“合理怀疑”的代币化版本及其版权。（cointelegraph）[2021/6/23 23:59:56]

△FaceLit与传统EG3D渲染流程对比图

标准的ED3G使用相机位置p参数作为基本输入参数。

在建立GAN2操作时，苹果在EG3D的基础上加入了光照参数l。

动态 | 云南近日开出全国第一张区块链电子冠名发票:近日，在由云南省人民政府主办的2019年首届“数字云南”区块链国际论坛上，云南省省长阮成发与腾讯副总裁、腾讯云总裁邱跃鹏一道，通过“游云南”平台共同开出全国第一张区块链电子冠名发票。这是云南省与腾讯公司将区块链应用于税务领域的一次新探索。（科技日报）[2019/8/6]

不同p(左→右)与l(上→下)值下的初始图像

苹果选择了经过球形谐波方式简化后的Phong反射模型作为处理光源的物理基础。

光照参数l就是在这一基础之上独立处理得到的。

在自然界中，反射包括镜面反射和漫反射两种形式。

△不同镜面反射率条件下的效果对比

因此，苹果在ED3G模型中加入了镜面反射解码器和漫反射解码器。

动态 | 重庆市发出第一张区块链营业执照:据中国电子银行网消息，3月6日，重庆市新注册登记营业执照全部加入政务区块链，并发出了第一张基于区块链技术的电子营业执照，这是重庆市实施“全渝通办”、探索政务区块链技术创新应用取得的又一阶段性成果。[2019/3/8]

它们替代了可以直接得到颜色c、密度σ数据的三平面解码器。

△反射解码器流程示意图

通过对GAN2产生的数据进行再次解码，可以得到镜面反射率ks和漫反射率kd。

然后再通过两种反射着色器得到颜色c，密度σ则由漫反射解码器计算得出。

最终，FaceLit以与三平面解码器相同的参数渲染图像，并进行分辨率优化。

有的放矢设计训练策略，数据无需人工标注

生成框架已有，那就来到训练阶段，其特点在于训练过程中无需人工标注。

方法论层面，在训练时，团队使用了FFHQ、MetFaces和CelebA-HQ数据集。

对于不同的数据集，苹果使用了不同的训练方式。

FFHQ包含了7万余条人脸数据，其训练分为两个阶段：先在较低的分辨率下训练，再提高分辨率再次进行。

对于包含2万数据量的CelebA-HQ，训练不需要分阶段进行。

而对于更小的MetFAces，则只需要通过ADA扩容的方式，使用预训练的FFHQ进行优化调整即可。

定性地看，训练结果在机位、光源和反射高光等方面都有出色的表现，图中的细节也有所增强。

△FaceLit生成的头像唇齿部位的细节进行了明显重构

定量结果同样表明，FaceLit在FID、KID等指标上均优于包括标准EG3D在内的传统生成方式。

在使用FFHQ作为训练集的条件下，各生成方式的表现如下表，不难看出FaceLit拥有最低的FID和KID值。

而相比于英伟达的StyleGAN2，FaceLit的表现依旧出色：

光线准确度方面，FaceLit在使用三种不同训练数据集的情况下，与人工设定的标准值平均均方误差均低于0.01。

网友：人们低估了苹果AI

消息发出后，便有网友认为“这是对更重磅产品的预热”。

更有网友直接推测，FaceLit的出现标示着人工智能将进军AR和VR领域，苹果的混合现实将最终实现商用……

也有网友认为，FaceLit不会商用，否则苹果才不会以论文的形式发表。

针对FaceLit本身，也有网友表示，除了LLM，其他都是浮云，他们如果不开发LLM，就没有未来。

但这位网友同时也说，苹果可能已经在做了。

相应的，也有网友称人们“低估了苹果在AI领域的深度”。

所以各位网友对苹果在AI领域还有什么样的期待呢？

论文地址：https://arxiv.org/abs/2303.15437

GitHub地址：https://github.com/apple/ml-facelit

参考链接：https://twitter.com/AlphaSignalAI/status/1648361623004774400

标签：TOKENBITELIT比特币imToken钱包官网地址bitpie比特派app中文下载Relite Finance比特币是什么意思能换来真钱吗

比特币价格热门资讯