本文來自微信公眾號“量子位”（ID:QbitAI），作者：明敏、蕭簫

終於，我小學時的夢想有人實現了！

只需要我拍下自己的筆跡，AI就能幫我謄抄英語作業，畫風“完全一致”的那種：

甚至幫別人抄作業也沒問題……

簡直屌打一批只能仿手寫、價格還動輒幾百上千的“作業神器”。

咳咳，劃重點：

雖然功能很強大，但這可不是給你們抄英語作業的。（作業就得認真做！）

這是Facebook AI最新出品的“文字風格刷”（TextStyleBrush）

它只需要一張筆蹟的照片，就能完美還原出一整套文字筆跡來。

不僅能移花接木，憑空將“醬油瓶”變成“茶壺”：

還能直接實現風格替換，讓超市店裡的所有印刷字都變成手寫體：

這樣看來，現在就連照片文字，也不一定是真實的了。

比格式刷還強：文本也能換

在實際使用過程中，TextStyleBrush真的就是個格式刷，哪裡需要刷哪裡。

它真正厲害的就是模擬手寫字體。

只需輸入一段文本內容，加上你的筆跡，1個單詞即可，它就能生成“手寫版”。

這個效果，用肉眼看真的是分辨不出真偽！

把菜場中價籤的印刷體都換成手寫體的過程中，它還能識別出不是印刷體的樣本，自動跳過轉換合成。

模擬特定字體格式時，TextStyleBrush表現也很不錯。

包括海報、垃圾桶、路牌、飲料瓶、店面裝飾……各種文字的風格都能handle：

除了直觀的效果，開發人員對合成圖片也做了數據上的分析。

TextStyleBrush生成的圖片在合成誤差（MSE）上大幅降低，峰值信噪比（PSNR）和結構相似性（SSIM）也提高不少。

在文字識別的準確性上，TextStyleBrush在三組數據集中的表現都不錯：

準確率都高達95%以上。

拿GAN改一改，真假文字難辨認

據Facebook介紹，“文字風格刷”TextStyleBrush是一個基於自監督方法訓練的模型，可以對相同文本內容的文字進行風格轉換，就像格式刷一樣。

當然，不只是Word的格式刷，它甚至能直接對照片中的文字進行替換，因此模型還需要學習文字識別和圖像分割的方法。

為了同時實現圖像分割和文字風格轉換，TextStyleBrush模型基於StyleGAN2進行了設計，後者能生成非常逼真的圖像照片。

然而，StyleGAN2存在兩個問題：

首先，它生成圖像的方式是“隨便亂打”的，也就是沒辦法控制輸出圖像特徵。但TextStyleBrush必須要生成指定文本的圖像。

其次，StyleGAN2的整體風格不受控制，但TextStyleBrush中的風格涉及大量信息組合，包括顏色、尺度和風格轉換等特徵，甚至是帶有個人特色的筆跡細節差異。

為此，TextStyleBrush首先通過將文本信息和風格作為兩個“附加條件”控制模型輸出，來解決模型隨機生成圖像的問題。

然後，為了進一步更精細地控製文本的風格特徵，還會提取神經網絡層中的各種風格信息，並將這些信息注入文本生成器中，便於從各種尺度（顏色、整體風格、細節）上控製文字的風格。

除此之外，由於不同的圖片分辨率不同，生成器還必須生成和替換區域分辨率相似的文字。

為此，這一模型加入了能夠控制高低分辨率的結構，使得生成的文字圖像能匹配輸入圖像的分辨率。

就像這樣，替換前後也不會出現字體清晰度差異大的問題：

但不同於照片，文字的風格其實要更加自由，所以有時候畫風的真實性不好說。

為此，在訓練的時候，Facebook引入了一種創新的自監督訓練方法，結合風格分類、文本識別（OCR）和GAN三種模型來保留輸入的風格/文字內容，再決定要替換哪個。

例如，在文本識別上，讓TextStyleBrush生成文本圖像後，模型會用一個預訓練文本識別結構來“判斷”圖像的文字內容，並給它打分。

事實證明，這樣訓練出來的模型，確實很好用。

網友：以假亂真？我真有點擔心……

合成人臉已經玩太多了，合成筆跡還是頭一回。

而且它的效果真的還不錯！

所以，TextStyleBrush一經發布，就引來了很多人的圍觀。

已經有網友開始想像它的用途了：

歡迎來到花式簽名的世界！

LeCun也轉發了一波。

不過，能看不能玩實在是太難受了，有手癢的網友就跑來提問：

TextStyleBrush會對大眾開放使用嗎？

這自然也就引出來一個會引起爭議的點：

合成後的筆跡足以以假亂真，如果被濫用或惡意使用怎麼辦？

假設任何一個人的筆跡都能被非常輕鬆地合成，那許多需要簽字的場合該怎麼辦呢？

例如，有網友表示，要是連醫生們的“草書”處方都能模仿……

而除了安全隱私問題上的擔憂，這對字體設計師來說也不是個好消息。

畢竟各款字體其實都是有版權的，如果可以被輕鬆模擬出來，那豈不是盜版滿天飛，甚至連作者本尊都分辨不出來真偽。

有網友就表示：這離真假難辨的反烏托邦世界更近了一點……

對此，Facebook的CTO作出了回應：

因為可能會被用來偽造筆跡，所以我們只發布論文和數據集，源代碼並不會開源。

分享研究和數據集，也更多是為了預防文本版Deepfakes。

你覺得呢？

TextStyleBrush數據集：

https://github.com/facebookresearch/IMGUR5K-Handwriting-Dataset

論文地址：

按一下以存取 10000000_944085403038430_3779849959048683283_n.pdf

—完—