听说最近抖音(抖音)漫画脸生气了吗？嗯？嗯？
超级明星都在玩！
蔡徐坤、Angela Bay、杨幂、赵鲁斯、关晓东、马蒂恩威、黄晓明、戚薇、张柏芝.
:010
毫无违和感哈哈哈
咳嗽.上面的漫画效果真的不漂亮吗~
外行看热闹，专家看门道。
作为互联网行业的教育者，优妹儿今天给大家科普下，这种漫画风的视频是如何生成的？一大波干货即将来袭~~~
这种漫画风的视频用到了一项深度学习技术——生成式对抗网络GAN。
2014年，科学家Ian Goodfellow提出了生成对抗网络（GAN）的想法，GAN的初衷是生成不存在于真实世界的数据，类似于使得AI具有创造力或者想象力。
这个想法一经提出，就受到了业内学者的广泛关注。
GAN 是生成模型的一种，生成模型就是用机器学习去生成我们想要的数据。也就是说，获取训练样本并训练一个模型，该模型能按照我们定义的目标数据分布去生成数据。
设定参与游戏的双方分别为一个生成器(Generator)和一个判别器(Discriminator)，生成器捕捉真实数据样本的潜在分布, 并生成新的数据样本；判别器是一个二分类器， 判别输入是真实数据还是生成的样本。
为了取得游戏胜利，这两个游戏参与者需要不断优化，各自提高自己的生成能力和判别能力，这个学习优化过程就是寻找二者之间的一个纳什均衡，这也就是GAN的核心思想来源。
通俗来讲，生成对抗网络就像我们玩格斗游戏一样：学习过程就是不断找其他对手对抗，在对抗中积累经验，提升自己的技能。
后来GAN又发展出了很多分支，比如以下几种：
GAN：生成对抗网络
DCGAN：深度卷积生成对抗网络
CGAN：条件生成对抗网络
CycleGAN：循环转换生成对抗网络
CoGAN：耦合生成对抗网络
ProGAN：生成对抗网络的渐进式增长
WGAN：Wasserstein 生成对抗网络
SAGAN：自注意力生成对抗网络
BigGAN：大生成对抗性网络
StyleGAN：基于风格的生成对抗网络
正是基于这种GAN技术，抖音可以突破次元壁的界限，一键生成漫画脸，从而收获大批的泛二次元用户。
就连天天向上节目组，也发了王一博的漫画脸视频~
相较传统的图文和长视频，泛二次元类的短视频有大量的红利值得挖掘。
据艾媒数据，2019年中国二次元用户规模约3.32亿人，预计2021年将突破4亿人。随着二次元文化的发展以及其对应用户群体消费能力的提高，二次元产业相应呈现出巨大的发展潜力。
除了二次元领域，GAN在其他领域的应用也越来越多。数据科学家和深度学习研究者可以通过GAN生成逼真的图像，改变面部表情，创建游戏场景，可视化设计，甚至生成令人惊叹的艺术作品。
掌握GAN技术，无疑对人工智能学习者和从业者是一项很重要的能力。
怎样可以快速学会GAN技术并能应用到实际场景中呢？
中公教育联合中科院自动化研究所专家倾力推出AI深度学习精品课，能够很好的帮助同学们掌握GAN等前沿技术，并通过企业级项目实战，体验系统架构设计、关键算法选取、核心模块开发、识别效果测试等实际项目建设的全流程。
课程包含两大GAN项目：
基于 GAN 生成人脸图片项目实战
学完以后可直接应用于智能客服对话生成、视觉图像合成、数据增强等任务。本项目将以人脸图片生成作为实例，介绍生成式对抗网络的原理与实现。
基于分布式 GAN 人脸图片生成项目实战
通过并行的方式来提高深度学习的数据吞吐量，加速模型的学习训练过程。本项目加以人脸图片生成为基础，介绍深度学习的 GPU 和分布式集群并行模式。相关技术可直接应用于人工智能+大数据/云计算的各种场景。
除此之外，优就业AI深度学习课程中还有四大科研应用项目，帮助学员更好的掌握卷积神经网络、循环神经网络、强化学习和完整项目开发流程等内容。
