现在的互联网信息呈爆炸式增长，而图片和视频表达的东西更丰富更直接，所以Facebook一直在加码图片和视觉AI领域。
Facebook最新P图AI，将人逼真地嵌入照片
上周在Arxiv.org发表的一篇论文中，Facebook AI Research和特拉维夫大学的科学家提出了一种新的技术，可将人以照片级的分辨率插入现有图像中。
该技术利用AI来创建人的语义图并估计给定图片中其他人的姿势，然后渲染该人的像素并生成与目标人脸相匹配的脸。
论文题目也很有代入感「Wish You Were Here」，出去旅游拍了很多照片，但是好友没能同行很是遗憾，有了这个AI系统，只需要一张好友的照片，好友就能隔空加入！
三个模型各司其职，换装换表情调整姿势通通不是问题
将人物P到照片中并不难，难的是如何让新加入的人物看着更真实，在PS中我们需要调整人物色阶、饱和度等来适应整体环境，但是人物表情调整起来就麻烦了，更别说和原图中的人物互动了。
而这个P图AI可以自适应地完成这些调整，让照片看起来跟真的一样。
Facebook研究人员采用了以下三种模型来实现：
本质生成网络（EGN），用于在新图像中合成目标人物的语义姿势信息。
多条件渲染网络（MCRN），在给定语义姿势图和分割目标人物的情况下，渲染现实人物。
面部修饰网络（FRN），用于修饰生成的面部高级特征。
EGN
EGN主要用来捕捉图像中的人与人之间的互动，并提供一种连贯的方式将新人加入图像。它创建的语义图能表示背景，头发，脸部，躯干，上肢，上身穿着，下半身穿着，下肢和鞋子等，并且与现有人员的环境相适应。此外，EGN还支持使用自定义轮廓来指定新加入人员的大小和位置。
EGN的效果图，新人还能自适应地加入群聊
MCRN
至于MCRN，它会学习如何将现实人物渲染并融合到图像中以创建新图像，并以可自定义的方式嵌入目标人物的外观属性（例如衬衫，裤子和头发的颜色）。
FRN
最后，FRN会从该人的原始图像进行微调来获得新的面部图像。
「Wish You Were Here」的效果图，只需要单张静态图片，系统就能自动调整要人物的姿势和面部表情嵌入到目标图片中。「欺骗性」超强，5人以上照片真伪难辨
在实验过程中，研究人员对来自开源多人解析数据集的20,000多幅随机选择的图像进行了EGN和MCRN训练，扩增到51,717至53,598个训练样本。
志愿者负责区分AI系统插入的人与照片中真实的人，平均有43％的正确率，但是当照片中包含5个人以上时，只有28%的志愿者能区分开，说明这个AI系统还是有很强的「欺骗性」，尤其在人多的时候。
作者也承认，现在的方法有局限性，即它无法吸引照片中的其他人，并且训练时没考虑目标人群及其属性。
也就是说被嵌入的人物和原片中的人物是缺乏深度联系的，会影响照片中人物的整体效果。但他们认为，可以通过提升训练技术来克服这些问题。
「Wish You Were Here」的效果图，只需要单张静态图片，系统就能自动调整要人物的姿势和面部表情嵌入到目标图片中。「欺骗性」超强，5人以上照片真伪难辨
在实验过程中，研究人员对来自开源多人解析数据集的20,000多幅随机选择的图像进行了EGN和MCRN训练，扩增到51,717至53,598个训练样本。
志愿者负责区分AI系统插入的人与照片中真实的人，平均有43％的正确率，但是当照片中包含5个人以上时，只有28%的志愿者能区分开，说明这个AI系统还是有很强的「欺骗性」，尤其在人多的时候。
作者也承认，现在的方法有局限性，即它无法吸引照片中的其他人，并且训练时没考虑目标人群及其属性。
也就是说被嵌入的人物和原片中的人物是缺乏深度联系的，会影响照片中人物的整体效果。但他们认为，可以通过提升训练技术来克服这些问题。
调整过程的一些badcase
总体来看，这个AI系统具备了修改图像的能力，在保持整体图像质量的同时还能保持场景的语义信息，可以将目标人物以高分辨率添加到现有图像中。
站在巨人肩膀上，炮制自己的PS
Facebook团队的工作建立在Google提出的AI系统基础上，该系统可以根据周围环境将对象（例如汽车和行人）直接插入照片中。
google 上下文感知和实例替换的论文
前不久，麻省理工学院的研究人员也制作了一种图像编辑AI，可以实时替换图像中的背景。
虽然将人物嵌入到图片不是AI的最佳应用，但对于创意产业来说可是莫大的福音，因为照片和电影的制作往往十分昂贵。而使用这个AI系统，摄影师可以用数字方式插入演员，而不必花费数小时在图像编辑软件中获得想要的效果。
感兴趣的小伙伴可以去找下开源实现，制作一个自己的加人换背景的P图工具了，重要的是有了AI驱动，可以提升效率成百上千倍！
