利用GAN合成最少训练数据以生成深度伪造视频

生成对抗网络（GANs）在计算机视觉、自然语言处理、语音合成等诸多领域都有许多应用。无疑最引人注目的成果出现在图像合成领域，尤其是深度伪造视频的生成。尽管深度伪造受到了大量负面媒体报道，但它在娱乐、客户关系甚至辅助护理等应用中可以是一项有用的技术。生成深度伪造的一个问题是需要大量该主体的图像训练数据，如果主体是已有许多图像的名人，这就不是问题。如果只有少量训练图像，则深度伪造的质量会很差。一些媒体报道称仅用少至500张图像就能制作出不错的深度伪造，但在实践中，高质量的深度伪造需要数千张图像，这也是名人和政客的深度伪造如此流行的原因之一。在本研究中，我们利用GAN生成具有可变面部表情的个体图像的特性，并将其用于生成深度伪造。我们观察到，利用合成GAN生成训练图像中面部表情的这种可变性并减少其数量，我们可以生成近乎逼真的深度伪造视频。