【爆红欧美的FaceApp是怎么做到让你一键变老的？】从美图秀秀，到 Instagram、Snapchat，许多软件都以脸部滤镜见长。即便如此，许多人还是第一次在FaceApp上见到了如此惟妙惟肖的人工智能脸部合成效果。冈查洛夫曾经透露，FaceApp 所依赖的正是深度神经网络，也即人工智的背后技术。具体来说，FaceApp 采用的是“深度生成式卷积神经网络”(deep generative convnets)。FaceApp 从你的人像照片里提取关键的特征点（比如脸型、五官的相对位置、发型等），同时对其它非重要的特征点（比如皮肤颜色、皮肤材质、发色等）进行修改。最终，因为重要特征被保留，你得到了一张看起来老了40岁的照片。

有些科技公司星辰大海，有些科技公司菜篮游戏。

总感觉这些与我们普通人很遥远，不过最近一系列的新闻，让我这个摄影行业及曾经的设计行业从业人员，感受到了一丝丝焦虑，也对下一代摄影是什么样，有了一点点浅见。

人脸识别特指利用分析比较人脸视觉特征信息进行身份鉴别的计算机技术。人脸识别是一项热门的计算机技术研究领域，它属于生物特征识别技术。有以下几种方法：

• 几何特征的人脸识别方法

记者 | 李晨

编辑 |

仅仅通过几笔简单的涂鸦素描就可以生成一幅详细的照片肖像，听起来是不是有些匪夷所思？但这一想法通过人工智能却可以快速而精确的实现。近日，中科院北京研究小组就开发了一款算法程序Deep Face Drawing，它可以利用人工智能来帮助用户将人像的简单涂鸦立即转换为照片肖像。

公开研究显示，这一技术主要是通过构建图像深度学习模型来实现的。具体来说，研究人员采取了一个从局部再到整体的方法，首先构建了相应的算法模型，并将人脸分成了左眼、右眼、鼻子、嘴、其余部位这5个关键“组件”。然后，模型依据输入的人像涂鸦，推理出人脸上各个器官的分布情况。接着，依据整个脸部器官的分布情况，从这些涂鸦“倒推”出逼真的人脸图像。最后，研究人员使用了17000张人脸涂鸦和照片对算法模型进行了训练，从而使其达到一个更加精确的程度。

IT之家 10 月 10 日消息，科技媒体 The Decoder 昨日（10 月 9 日）发布博文，报道称最新研究表明 OpenAI 的 GPT-4 AI 模型在未经专门微调和训练情况下，能够识别面孔、判断性别，并在照片中估计年龄，其准确度媲美专业算法。

来自挪威科技大学、Mizani 及 Idiap 研究所的研究人员推进这项研究，测试了 GPT-4 的生物识别能力，发现其性能和 MobileFaceNet 等专门的面部识别算法不相上下。

这两天，国外某社交媒体上，有位大神贴出了一个3D拟真插件，直接用摄像头捕捉自己脸部的动作，就能让虚拟的“汤姆克鲁斯”摆出各种面部表情。

近期国内出现利用AI技术的新型诈骗事件，我们常说，技术本身是中立且无罪的，技术的产出的价值主要依赖背后的使用者和应用场景。对于这种新型技术，我在这里做一下简单的介绍，同时希望各位朋友阅读完后能提高对新技术的认识，并了解新型诈骗的一些场景。

认识DeepFace、DeepFake与DeepFaceLive

上一个教程讲了如何使用AI换脸软件DeepFaceLab对视频进行换脸，文章链接：《AI换脸软件DeepFaceLab本地安装使用教程，AI视频换脸流程详细步骤讲解》，下面讲一下如何使用DeepFaceLive软件进行AI实时直播换脸。github项目地址：https://github.com/iperov/DeepFaceLive

DeepFaceLive是一款专门用于实时面部交换的软件，可以在进行直播过程或视频通话时进行实时面部替换。

主要特性：

实时面部交换：用户可以在视频通话或流媒体传输中实时替换自己或他人的面部，使用预训练的面部模型。

视频通话应用：