社交網路上不乏人們眨眼的照片，Facebook 訓練神經網路來修復這些照片。該系統使用了生成對抗網路（GAN ）。在 GAN 中，一部分技術學習識別人臉，另一部分則根據識別的人臉來生成睜眼的圖像，並通過多次訓練使這些圖像變得更加真實。最終的結果將非常真實，以至於大多數人都無法辨認出哪只眼睛是真實睜開的，哪些是網路生成的。
Facebook在實現這項技術的時候也克服了多重困難。其中最重要的一個難點是，機器不能掌握我們眼睛的工作方式，也不能識別眼睛的顏色和周圍皮膚的顏色。最初，這個問題導致了生成的睜眼照片不夠令人信服，從下面的圖片我們也可以看出來。
這些被生硬遷移的人眼圖像與圖片的其他部分不太一致。為了克服這一問題，Facebook的研究人員將人眼的「範例」資料整合到照片的生成過程中。有了這些資訊，系統瞭解了眼睛應該怎麼看人，以及眼睛的形狀和顏色，也就消除了顏色不匹配的問題。
雖然該系統在某些情況下依然會失敗，例如當一縷頭髮遮住了人眼，或者有時不能正確地再現眼睛的顏色，但這些都是可以修補的小故障。
可以想像，Facebook 應該會將這項技術融入到 Facebook 的主要平臺。目前，Facebook已經擁有遭受爭議的面部識別系統，該面部識別系統可以識別並標記圖像中幾乎所有物體和人。
本文係由DeepTech深科技授權刊登。
