字幕组源自英文单词Neuron，一个个的神经元，汇聚千万，成就了四通八达，传递最in最酷炫信息的神经网络。
还记得童年的哆啦A梦系列为我们带来的神奇工具“六面相机”吗？当你拍摄物体的时候，获得的不只是物体在一个角度上二维平面的投影，而是6个不同角度的照片。虽然看上去特别不可思议，但仍然限于二维平面的图像。今天的Neurons小视频要介绍的，则是更甚一步的黑科技，用深度神经网络，将二维的人像照片立体化，生成面部的三维模型。
▼ 请在WiFi下观看小视频，暂时无法观看的读者可以先收藏，或者下拉直接查看文字版要点，土豪请随意~
当然，将我们面部的3D几何模型和反照率分布图数字化显然是件极其费时费力的任务。（反照率图指的就是纹理，即一张彩图。它可以描述我们的皮肤是如何反射和吸收光线的）。
显然，捕捉这样一幅图像需要很长时间，而且成本很高。所以，我们开发了这样一种黑科技，这项技术可以用一张简单的照片，生成任何一张脸的全数字化图像。我们甚至可以在数字世界中重现历史人物，而我们需要的，仅仅是一张照片。
拿到一张照片后，这项技术能够生成两张反照率分布图：其中一张是图像完整的低频图，它可以记录下整个面部，但只包含大致细节；而另一张图则包含更多的细节，但它却不完整。大家还记得纹理合成的方法吗?输入非常小的一块具有重复结构的图像，在得知这些结构的统计特性后，就可能让它们无限地继续下去。于是，我们就可以以这张不完整的反照图为基础，尽可能地把缺失的细节合成出来！这篇论文Photorealistic Facial Texture Inference Using Deep Neural Networks的作者借助一种经典的机器学习算法，即卷积神经网络实现了这一点。我们所用的神经网络越深层，就有越多的高频细节出现在输出结果当中，即我们得到的图像就会越清晰。
在这篇论文中，你还能看到一份关于使用者研究的详细描述。这份研究是通过众人协作的方式进行的，旨在验证这项技术，包括用户界面和被问到的问题，还有一些与PatchMatch算法的比较。PatchMatch算法是纹理合成领域里程碑式的技术，也被用来修补那些年代久远的名古画。
看了今天的Neurons小视频，有没有大开眼界呢？通过深度神经网络，AI真正帮我们实现了“脑补”，构建出了人脸虚拟的3D模型，虽然这篇文章里的数据只是应用在人脸的照片上，但是对于其他物体和图像，发展出广阔的应用前景也是指日可待的！
点击文章右上角关注“大数据文摘”，进入号，在后台对话框内回复“神经元”三个字，你将会得到我们送出的大礼包：往期所有Neurons字幕组2分钟小视频系列的原版论文合集！
无论你是曾经在其他字幕组工作过的老司机，还是刚刚接触AI的小白，只要你有时间、有能力、愿分享，Neurons都欢迎你，现在加入，都有机会成为Neurons的元老哦！
3.校对：对翻译的结果进行校对和二次编辑，纠正专有名词、用语上的错误，需要有较强的领域知识和文字经验。
4.时间轴：需要处理和时间的之间的关系，添加字幕持续时间并将调整为适合观看的字幕，需要对句子时间点进行准确的把握和判定。
5.后期、：把翻译得出的字幕文件和片源打包成可播放的影片文件。需要懂得一定的计算机硬件并懂得使用各类影片的软件。
推荐：
删除。
网友评论 ()条 查看