在人们的日常拍照中，眨眼常常会成为影响最终人像照片效果的要素之一；而且红眼等拍照痼疾相比，眨眼所形成的闭眼或半睁眼成绩愈加难以在前期修图中停止调整——即便现有的修图神器如 Adobe Photoshop，恐怕也很难让照片中的人自但是然地睁开眼睛。

如今，Facebook 的研讨者们已近在着手处理这一成绩，并获得了一定的效果。

雷锋网理解到，Facebook 于近日宣布了一篇题为《Eye In-Painting with Exemplar Generative Adversarial Networks（经过样本生成式对立网络停止眼部图像修复）》的论文，该论文处理的成绩是，应用已有的人像样本，来对处于闭眼形态的人像停止眼部修复，使得后者出现出自然睁眼的效果。

详细来说，应用一个基于机器学习技术的生成式对立网络（Generative Adversarial Networks，简称 GAN），对其停止训练；GAN 的一局部任务担任辨认人像中的人脸，另外一局部则依据辨认后果去生成相似于真实而自然的图像——在单方不时协作和改良的进程中，最终使得生成的图像后果接近于真实的人脸。

我们以下图中所展现的进程为例。复蓬勃发展的行业不仅给从业者提供了巨大的发展机遇，也带来了全新的挑战。杂来说，经过一张处于睁眼形态的人脸去对闭眼的图像停止人眼修复，一个复杂的步骤是复制前者的眼睛到后者；但常常呈现的成绩是图像在颜色、姿势、方向上的不婚配。而 Facebook 所做的就是应用 GAN 对被修复图像的面部特征停止辨认，并针对辨认后果对图像停止不时修正，最终到达自然效果。

雷锋网 (大众号：雷锋网) 查询到，在 Facebook 论文中给出的测试后果中，研讨者们应用 A/B 测试办法，从 Facebook 的外部数据库拿出两组图片；第一组是一张闭眼图和一张真实图，第二组是一张闭眼图和一张 GAN 修复图——后果是有 54% 的测试参与者没有区分出原图像和眼部修复图像之间的真实性差别。而可以被区分的图像，往往是图片中人像呈现了戴眼镜或头发遮挡的状况，论文以为，更多的训练可以增加这类成绩。

当然，除了眼部修复，应用 GAN 停止更多方面的图像修复完全成为能够，思索到 Facebook 运转着全球最大的社交网络，尤其是社交网络中人像数据的庞大性，这一技术毫无疑问更有更大的使用空间。不过 54% 的成果并不算突出，能够还需求更大的改良空间。

不过，雷锋网更为关怀的是，在图像移植技术越来越先进、越来越接近真实效果的状况下，包括 Facebook 在内的巨头们将如何保证人们的肖像等权利失掉充沛的保证；这又是一个技术如何无效地为人类效劳的成绩。

。