如果讓你給人的照片P上鬍鬚、畫上長發，需要多久？這個AI只需要一秒！
看看這濃密自然的鬍鬚，完全找不出破綻~
惡搞馬斯克，StyleFlow算法的驚人效果
近日，一個油管博主用AI惡搞出多個版本馬斯克的視頻，在YouTube上大火，效果逼真！
比如，這個滿臉絡腮鬍光頭的中年版，仿佛讓人看到了多年後的馬斯克本人。
還有這版長發飄飄的馬斯克，散發著一股女強人的氣質。
這個AI是由阿卜杜拉國王科技大學（KAUST）、Adobe共同研發的一項最新成果—StyleFlow算法，第一作者是來自KAUST的Rameen Abdal，它非常擅長在合成圖像或真實圖像的基礎上重新編輯面部屬性。
除了上述馬斯克的面部毛髮、年齡、性別處理外，它還可以實現換姿勢、調整光照、改變表情等需求，效果驚人。
值得一提的是，StyleFlow不僅可以用於人像處理，也可以修改汽車等其他圖像屬性。
改變一下顏色~
旋轉任意角度~
普通車秒變SUV~
比StyleGAN還溜的AI
提到Style系列不免讓人想到StyleGAN，StyleGAN是GAN的變種，它通過生成器和鑑別器的相互battle，也可以達到令人驚嘆的面部合成效果，而StyleFlow可以說是StyleGAN圖像合成的進階版。
研究人員表示，StyleFlow是在屬性條件採樣和屬性控制編輯的基礎上提出的，其中，屬性條件採樣，是對具有目標屬性的高質量真實圖像進行採樣；屬性控制編輯，是指編輯給定圖像，並使其具有目標屬性，同時最好地保留源圖像的特性。
以下為StyleFlow實現兩種任務的完整框架：
從源圖像開始，通過使用反向推理和一系列CNF功能模塊的正向推理來支持屬性條件編輯。
需要注意的是，反向推理和正向推理是由ODE解算器通過計算時間變量上的CNF函數來解決的。
CNF（連續歸一流）功能塊可以作為神經網絡塊來實現。其中，以屬性向量at為條件的學習函數，既可以可用於正向推理，也可以用於反向推理。
最終，研究人員使用StyleGAN的人臉和汽車潛伏空間對我們的方法進行了評估，並在真實照片和StyleGAN生成的圖像上展示了沿各種屬性的細粒度的分離編輯。
例如，對於人臉，改變了相機姿勢、照明變化、表情、面部頭髮、性別和年齡。
還可以一對多的批量化操作。
最後通過大量的定性和定量比較，以及與已有的技術相比，研究人員證明了StyleFlow的優越性。