金磊 杨净 发自 凹非寺
量子位 报道 | 公众号 QbitAI
当互联网大佬们集体唱歌，会擦出怎样的火花？
现在，火爆抖音的AI特效，一键就可以实现梦幻联动。
瞧！马云、马化腾、马斯克等大佬们，正在集体演唱神曲《蚂蚁呀嘿》。
不光演唱，表情也是十分的卖力（傲娇的小眼神很是传神啊）。
完全看不出是被迫的样子呢。（手动狗头）
效果之魔性，引得网友直呼：
短短的几秒，要用一生去治愈…..
还有网友表示，最近是咋滴啦？！一打开抖音，好像捅了蚂蚁窝。
温馨提示：听音乐读本文，效果更佳哦！
大家一起《蚂蚁呀嘿》！
这款AI特效，只需要一张照片，就可以火速让anyone“蚂蚁呀嘿”。
正因为这么便捷，果不其然，马上成为了抖音网友们的“新宠”。
各路名人开始搞起！
首先登场的是四大天王：刘德华、张学友、郭富城和黎明！
或许天王们太久没有同框过了，网友们用这种方式将他们“召集”在一起，也是别有一番风味。
“永不过时”的《还珠格格》，也赶上了这趟潮流列车。
王者峡谷里的英雄们，网友们也是没有放过。
不得不感慨二次元的颜值，不论怎么恶搞、变形，还是能保持俊美的样子（程咬金除外）。
除了上面这种九宫格模式外，高端的操作还可以实现集体同框。
于是，“爱玩”的德云社就以这种方式亮相了。
不知道是不是因为特效太过逼真、还是脖子有点短（不是），竟然还有人以为是真的。
第一眼我以为是特效。
当然，此等名场面，怎么少得了量子位本位！集体《蚂蚁呀嘿》表演，隆重登场！
OK，各种效果、各种玩法已经展示完毕。
接下来，是时候上手实操了！
如何制作专属的“蚂蚁呀嘿”？
首先需要准备三个工具：
Avatarify、任意一款加速器APP、剪映（可有可无）。
第一步，打开加速器，启动加速模式。
第二步，打开这款软件Avatarify，选择一张照片即可进入选择特效页面（脸正一点食用效果更佳）。
然后向下拉，找到布拉德·皮特的特效即可。
是不是很简单？
不过有点遗憾的是，暂时只有苹果手机才OK（安卓用户泪目）。
一个人演唱“蚂蚁呀嘿”的效果就已经实现了。
如果想要多人演唱、九宫格那样式儿的，那就需要剪映来加持了，这里就不详细展开了。
当然，这款软件除了《蚂蚁呀嘿》之外，还有很多模板可选。
例如，李开复老师便友情上演了一首《Only You》。
随着这波潮流，Avatarify及其他相关软件，已经超过微信、拼多多、抖音的下载量，登顶苹果App Store免费榜“前三甲”！
什么原理？
那么问题来了。
AI，是如何搞定各位大佬来唱歌的呢？
让一张照片动起来，人脸跟着音乐一起挤眉弄眼，需要一个叫做一阶运动模型 （First Order Motion Model）来搞定。
技术原理借鉴了去年意大利特伦托大学的一项研究，入选了NIPS 2019。
当时的例子是这样的。
以川建国同志为参考，来自《冰与火之歌》的演员照片瞬间做到了神同步。
不光是脸动，一个模特换pose、奔腾的马也都不在话下。
模型框架主要由2部分构成，运动估计模块和图像生成模块。
运动估计模块的目的，是预测一个密集的运动场。研究人员假设存在一个抽象的参考框架，并且独立估计两个变换，分别是「从参考到源」和「从参考到驱动」，这样就能够独立处理源帧和驱动帧。
而这两种变换，通过使用以自监督方式学习的关键点来获得。利用局部仿射变换对每个关键点附近的运动进行建模。
随后，密集运动网络结合局部近似得到密集运动场。
这个网络还能输出遮挡的mask，指示哪些图像的驱动部分可以通过源图像的扭曲(warping)来重建，哪些部分应该被绘制(根据上下文推断)。
在生成模块按照驱动视频中，提供的源对象移动的图像进行渲染。
此处，研究人员还使用一个生成器网络，根据密集的运动对源图像进行扭曲，并对源图像中被遮挡的图像部分进行着色。
训练阶段，研究人员采用了大量的视频序列集合来训练模型，这当中包含了相同类别的对象。
随后在测试阶段，研究人员将模型应用于由源图像和驱动视频的每一帧组成的对，并执行源对象的图像动画。
最终在质量评估中，这一方法在所有基准上都明显优于当前先进技术。
此前类似研究也很火爆
这种AI特效能够如此火爆，甚至“破圈”，让大家玩得不亦乐乎，最主要的原因是方便——不需要任何编程知识，便可完成。
但在此之前，其实这种AI特效在圈里也是有火过，但都需要一定的计算机能力才可以实现。
比如，一张名人照片和一个你说话的视频，就可以让梦露学你说话。
还有，印度程序员开发的实时动画特效。你一动，蒙娜丽莎跟着你一起动~
那么现在，你被“蚂蚁呀嘿”洗脑了吗？
快去体验下吧。
参考链接：
[1] https://avatarify.ai/
[2] https://github.com/AliaksandrSiarohin/first-order-model
