Ce site montre des portraits de visages humains générés par une IA. Aucun d'entre eux n'est réel.
Actualisez la page pour en voir un nouveau

Le , par Stéphane le calme

593PARTAGES

14  1 
Si vous regardez les images présentées sur le site Web ThisPersonDoesnotExist.com (cette personne n’existe pas), vous pouvez penser être tombé sur des portraits aléatoires de lycée ou des photos issues d’une autre source. Pourtant, chaque photo sur le site a été créée en utilisant un type spécial d'algorithme d'intelligence artificielle appelé generative adversarial network (GAN, ou, en français, réseau antagoniste génératif).

Chaque fois que le site est rafraîchi, une image débordant de réalisme présente le visage d’une personne. Phillip Wang, ingénieur en logiciel chez Uber, a créé la page pour démontrer les capacités du GAN, puis l'a publiée mardi sur le groupe public "Intelligence artificielle et apprentissage en profondeur".

Le code sous-jacent qui a rendu cela possible, intitulé StyleGAN, a été écrit par Nvidia et fait l'objet d'un article qui n'a pas encore été approuvé par des pairs. Ce type de réseau de neurones a le potentiel de révolutionner la technologie du jeu vidéo et de la modélisation 3D, mais, comme presque tout type de technologie, il pourrait également être utilisé à des fins plus sinistres. Rappelons par exemple que les deepfakes, ou des images générées par ordinateur superposées à des images ou des vidéos existantes, peuvent être utilisés pour diffuser de faux récits d’actualité ou d’autres canulars. C’est donc dans un but de sensibilisation que Wang a choisi de faire cette page Web.


Portrait généré par l'IA
Citation Envoyé par Phillip Wang
Récemment, un groupe de chercheurs talentueux de Nvidia a publié un réseau antagoniste génératif à la pointe de la technologie, StyleGAN, ici.

J'ai décidé de puiser dans mes propres poches et de sensibiliser le public à cette technologie.

Les visages sont les éléments les plus importants de notre connaissance, alors j'ai décidé de mettre en place ce modèle préentraîné spécifique. Leur groupe de recherche a également inclus des modèles de préentraînement pour les chats, les voitures et les chambres dans leur référentiel, que vous pouvez immédiatement utiliser.

Chaque fois que vous actualisez le site, le réseau génère une nouvelle image faciale à partir d'un vecteur à 512 dimensions.

Vous pouvez en apprendre davantage sur l’architecture réseau en jetant un coup d’œil au résumé qu'un ami a gentiment passé du temps à rédiger.
Comment fonctionnent les GAN ?

Le concept de GAN a été introduit pour la première fois en 2014 par le célèbre informaticien Ian Goodfellow, et depuis lors, Nvidia est à la pointe de la technologie. Tero Karras, chercheur principal de la société, a dirigé de nombreuses études sur le GAN.

Un GAN est un modèle génératif où deux réseaux sont placés en compétition dans un scénario de théorie des jeux. Le premier réseau est le générateur, il génère un échantillon (ex. une image), tandis que son adversaire, le discriminateur essaie de détecter si un échantillon est réel ou bien s'il est le résultat du générateur. L'apprentissage peut être modélisé comme un jeu à somme nulle. Ces programmes informatiques se font concurrence des millions de fois afin d’affiner leurs compétences en matière de génération d’images jusqu’à ce qu’ils aient la capacité de créer des images complètes.


S’il fallait simplifier, nous pourrions dire que le GAN implique que deux réseaux travaillent l’un contre l’autre. Le premier va être nourri en données brutes qu’il va décomposer. À partir de ces données, il va tenter de créer une image. Il va ensuite soumettre cette image à un autre réseau qui, lui, n’a que des photos ou images réelles dans sa base de données. Ce deuxième réseau va alors juger de l’image et va informer le premier de son jugement. Si l’image ne ressemble pas au résultat attendu, le premier algorithme va recommencer le processus. Si le résultat correspond, il va être informé qu’il est sur la bonne voie et finir par comprendre ce qu’est une bonne image. Une fois qu’il est suffisamment entraîné, il peut en produire à la chaîne.

Il faut noter que les GAN ne servent pas seulement dans le domaine de l'art ou du jeu vidéo. En Russie, l'Institut de physique et de technologie de Moscou développe des GAN qui seraient capables d'"inventer" de nouvelles structures moléculaires dans le cadre de la recherche pharmaceutique. Ils seraient employés pour exploiter au mieux les propriétés spécifiques de molécules utilisées pour la fabrication de médicaments. L'existence de cette technologie pourrait apporter pour la recherche un gain de temps et de coûts, et améliorer l'efficacité ou réduire les effets secondaires de certains médicaments comme l'aspirine. Sur le principe, les informations sur des composés aux propriétés médicinales reconnues sont intégrées dans le Generative Adversarial Autoencodeur, une extension du GAN, ajusté pour faire ressortir ces même données.

Artur Kadurin, développeur au sein du groupe Mail.Ru et conseiller indépendant chez Insilico Medecine, une entreprise américaine, annonce que : "Les GAN sont vraiment la ligne de front des neurosciences. Il est clair qu'ils peuvent être utilisés pour une gamme de tâches beaucoup plus large que la simple génération d'images et de musique. Nous avons testé cette approche avec la bio-informatique et obtenu d'excellents résultats."

Cependant, bien que des progrès ont été notés dans l'apprentissage de ces GAN et qu'ils peuvent apporter une meilleure compréhension en biologie et chimie, il n'en reste pas moins que leur utilisation dans des essais cliniques ne sont pas encore fiables

Nvidia tire son épingle du jeu

Le premier secteur d'activité de Nvidia est la conception et la vente d'unités de traitement graphique (GPU, ou cartes graphiques). Les GPU sont les moteurs de l'apprentissage automatique utilisés pour la formation d'algorithmes, tels que StyleGAN, pendant des heures. En somme, les GPU sont excellents pour multiplier rapidement d’énormes rangées et colonnes de chiffres, ce qui est un peu ce qui se passe sous le capot quand une IA se forme.

L’entreprise a l’avantage d’avoir accès à ses GPU les plus avancés, offrant ainsi à ses chercheurs l’avantage supplémentaire des ressources les plus avancées pour la formation de réseaux de neurones.

Nvidia, Facebook, Google et de nombreuses autres entreprises de haute technologie ont des escadrons de chercheurs développant des versions de cette technique d’IA. L'objectif final est de l'utiliser pour générer des mondes virtuels complètement développés, potentiellement en réalité virtuelle, en utilisant des méthodes automatisées au lieu d'un codage strict. Mais dans le même temps, les GAN sont déjà utilisés pour développer le marché naissant des influenceurs virtuels dans les médias sociaux.

Sources : ThisPersonDoesNotExist, déclarations Phillip Wang (Facebook), réseaux antagonistes génératifs

Et vous ?

Que pensez-vous de cette initiative ?
Ces portraits vous semblent-ils réalistes ?
Trop beau pour être vrai ?

Voir aussi :

Gartner démystifie cinq idées fausses sur l'intelligence artificielle, ou « IA », l'argument marketing du moment, d'après l'un des inventeurs de Siri
Watson IA bientôt disponible partout, IBM compte externaliser son service vers les autres clouds concurrents
Vos compétences en IA sont moins précieuses que vous le pensez, selon un ex-Googler estimant que c'est une mauvaise idée de lancer une startup en IA
AlphaStar, la nouvelle IA de DeepMind, a écrasé des joueurs pro de Starcraft II, un jeu vidéo conçu pour défier l'intellect humain

Une erreur dans cette actualité ? Signalez-le nous !

Avatar de Folgore
Membre du Club https://www.developpez.com
Le 15/02/2019 à 10:24
La technologie peux en effet être intéressante pour des avatars de plus en plus réalistes dans les jeuxvideos (meme si franchement, certains titres sont assez bluffant a ce niveau la).

Apres c'est sure que l'utilisation risque d’être pas mal utilisé a des fins peu scrupuleuses (de l'application de rencontres trompeuses avec une tonnes de profils issus de l'ia, faux profils dans le but d'arnaquer... enfin choses qui existent deja sans forcement utiliser des visages fantômes )
Avatar de Kulvar
Membre habitué https://www.developpez.com
Le 15/02/2019 à 13:23
Et dans le futur, ce sera utilisé pour générer des images pornographiques.
Avatar de Citrax
Membre actif https://www.developpez.com
Le 17/02/2019 à 21:32
L'affirmation de l'article est cette trouvaille me pose totalement problème. Affirmer clairement que ces personnes n'existent pas sur terre implique d'avoir deja référencée plus de 7 milliards de visages d'être humain !
( Sans compter ceux qui sont morts depuis l'aube de l'humanité)

Est-ce que c'est le cas ???
Avatar de Fagus
Membre actif https://www.developpez.com
Le 21/02/2019 à 15:43
Citation Envoyé par Citrax Voir le message
L'affirmation de l'article est cette trouvaille me pose totalement problème. Affirmer clairement que ces personnes n'existent pas sur terre implique d'avoir deja référencée plus de 7 milliards de visages d'être humain !
( Sans compter ceux qui sont morts depuis l'aube de l'humanité)

Est-ce que c'est le cas ???
On ne peut souvent pas démontrer que quelque chose n'existe pas en effet sans un référencement exhaustif, néanmoins, si ça peut vous convaincre, vous pouvez relire https://www.developpez.com/actu/2386...tite-en-ligne/ et regarder des démonstrations de vidéos deepfake.
Avatar de Séraphin Lampion
Candidat au Club https://www.developpez.com
Le 22/02/2019 à 0:22
Est-ce autre chose qu'une interpolation remarquablement bien réalisée de N visages qui eux existent ?
Avatar de Mingolito
Membre extrêmement actif https://www.developpez.com
Le 22/02/2019 à 0:39
Celui la est mieux encore : https://thiscatdoesnotexist.com










Avatar de Bruno43
Membre à l'essai https://www.developpez.com
Le 25/02/2019 à 17:17
Haha les images de chats sont bien dégueulasses, par contre au remarque les mêmes anomalies quand on a deux personnes sur une même photo la deuxième personne est difforme. Une autre limitation c'est les lunettes l'IA a bien du mal à interpoler les yeux de personnes qui ont des lunettes, les glitches sont très visibles.
Par contre pour faire un fake avatar pour les sites de rencontre c'est assez limité parce que l'IA ne semble pas capable de créer plusieurs variantes d'une même personne. ça va pour l'instant on peut dormir tranquille.. pour combien de temps?

Par contre Nvidia d'un point de vue purement technologique c'est passionnant.
Avatar de Stéphane le calme
Chroniqueur Actualités https://www.developpez.com
Le 05/04/2019 à 10:43
NVidia publie en open source StyleGAN, la technologie qui a servi à générer des visages humains,
vous pouvez donc l'utiliser à des fins non commerciales

Si vous regardez les images présentées sur le site Web ThisPersonDoesnotExist.com (cette personne n’existe pas), vous pouvez penser être tombé sur des portraits aléatoires de lycée ou des photos issues d’une autre source. Pourtant, chaque photo sur le site a été créée en utilisant un type spécial d'algorithme d'intelligence artificielle appelé generative adversarial network (GAN, ou, en français, réseau antagoniste génératif).

Chaque fois que le site est rafraîchi, une image débordant de réalisme présente le visage d’une personne. Phillip Wang, ingénieur en logiciel chez Uber, a créé la page pour démontrer les capacités du GAN, puis l'a publiée sur le groupe public "Intelligence artificielle et apprentissage en profondeur".

Le code sous-jacent qui a rendu cela possible, intitulé StyleGAN, a été écrit par Nvidia et fait l'objet d'un article qui n'avait pas encore été approuvé par des pairs. Ce type de réseau de neurones a le potentiel de révolutionner la technologie du jeu vidéo et de la modélisation 3D, mais, comme presque tout type de technologie, il pourrait également être utilisé à des fins plus sinistres. Rappelons par exemple que les deepfakes, ou des images générées par ordinateur superposées à des images ou des vidéos existantes, peuvent être utilisés pour diffuser de faux récits d’actualité ou d’autres canulars. C’est donc dans un but de sensibilisation que Wang a choisi de faire cette page Web.

Citation Envoyé par Phillip Wang
Récemment, un groupe de chercheurs talentueux de Nvidia a publié un réseau antagoniste génératif à la pointe de la technologie, StyleGAN.

J'ai décidé de puiser dans mes propres poches et de sensibiliser le public à cette technologie.

Les visages sont les éléments les plus importants de notre connaissance, alors j'ai décidé de mettre en place ce modèle préentraîné spécifique. Leur groupe de recherche a également inclus des modèles de préentraînement pour les chats, les voitures et les chambres dans leur référentiel, que vous pouvez immédiatement utiliser.

Chaque fois que vous actualisez le site, le réseau génère une nouvelle image faciale à partir d'un vecteur à 512 dimensions.

Vous pouvez en apprendre davantage sur l’architecture réseau en jetant un coup d’œil au résumé qu'un ami a gentiment passé du temps à rédiger.
Comment fonctionnent les GAN ?

S’il fallait simplifier, nous pourrions dire que le GAN implique que deux réseaux travaillent l’un contre l’autre. Le premier va être nourri en données brutes qu’il va décomposer. À partir de ces données, il va tenter de créer une image. Il va ensuite soumettre cette image à un autre réseau qui, lui, n’a que des photos ou images réelles dans sa base de données. Ce deuxième réseau va alors juger de l’image et va informer le premier de son jugement. Si l’image ne ressemble pas au résultat attendu, le premier algorithme va recommencer le processus. Si le résultat correspond, il va être informé qu’il est sur la bonne voie et finir par comprendre ce qu’est une bonne image. Une fois qu’il est suffisamment entraîné, il peut en produire à la chaîne.

StyleGAN, l'implémentation TensorFlow officielle

Pour ceux d'entre vous qui se sont demandé si l'IA est capable de faire des variantes d'une même personne, la réponse est oui. En effet, sur le dépôt officiel de StyleGAN, technologie dont Phillip Wang s'est servi, l'image ci-dessous nous indique que « Ces personnes ne sont pas réelles - elles ont été produites par notre générateur, ce qui permet de contrôler différents aspects de l'image »

Citation Envoyé par Résumé
Nous proposons une architecture génératrice alternative pour les réseaux antagonistes génératifs, empruntant à la littérature sur le transfert de style. La nouvelle architecture aboutit à une séparation automatiquement apprise et non supervisée des attributs de haut niveau (par exemple, la pose et l’identité lorsqu’ils sont formés sur des visages humains) et à une variation stochastique des images générées (par exemple, des taches de rousseur, des cheveux) et contrôle spécifique de la synthèse. Le nouveau générateur améliore l'état de l'art en termes de métriques de qualité de distribution traditionnelles, conduit à des propriétés d'interpolation manifestement meilleures et permet également de mieux démêler les facteurs de variation latents. Pour quantifier la qualité d'interpolation et le démêlage, nous proposons deux nouvelles méthodes automatisées applicables à toute architecture de générateur. Enfin, nous introduisons un nouvel ensemble de données de visages humains extrêmement varié et de grande qualité.
Dans ce dépôt, l'équipe de NVidia a mis à disposition des ressources pour permettre la génération d'images. En dehors du jeu de données Flickr-Faces-HQ, tous les matériaux de StyleGAN sont sous licence Creative Commons BY-NC 4.0 : vous pouvez donc utiliser, redistribuer et adapter le matériel à des fins non commerciales, à condition de donner le crédit voulu en citant l'article de NVidia et en indiquant les modifications que vous avez apportées.

Voici les recommandations système de NVidia :
  • Linux et Windows sont pris en charge, mais nous recommandons vivement Linux pour des raisons de performances et de compatibilité.
  • Installation de Python 3.6 64 bits. Nous recommandons Anaconda3 avec numpy 1.14.3 ou une version plus récente.
  • TensorFlow 1.10.0 ou une version plus récent avec prise en charge du processeur graphique.
  • Un ou plusieurs GPU haut de gamme avec au moins 11 Go de DRAM. Nous recommandons NVIDIA DGX-1 avec 8 GPU Tesla V100.
  • Pilote NVIDIA 391.35 ou une version plus récente, CUDA Toolkit 9.0 ou une version plus récente, NDDN 7.3.1 ou une version plus récente.


Des exemples d'utilisation (basique et avancée) sont fournies. Une fois exécuté, le script télécharge un générateur StyleGAN pré-formé à partir de Google Drive et l'utilise pour générer une image.

Source : StyleGAN

Et vous ?

Qu'en pensez-vous ? Allez-vous l'utiliser ?

Voir aussi :

Les spécialistes du marketing ont de grands espoirs pour l'intelligence artificielle, mais seulement peu d'entre eux l'utilisent actuellement
Une intelligence artificielle peut-elle être un juge équitable dans un tribunal ? L'Estonie pense que oui
IDC prévoit une croissance à deux chiffres du marché mondial des dispositifs domestiques intelligents entre 2019 et 2023
Les « parrains de l'intelligence artificielle » récompensés du prix Turing 2018, le prix Nobel de l'informatique
Contacter le responsable de la rubrique Accueil

Partenaire : Hébergement Web