随便一张照片，就可生成3D头像。而且光线真实，任意角度可调。

(资料图片仅供参考)

这是苹果的最新黑科技生成框架FaceLit。

正如其名，FaceLit的特色就是可以将人脸“点亮”。

“自带光环”的FaceLit在易用性上也不输同类，甚至更胜一筹——

进行3D建模时，需要的照片素材无需专门选择角度，数量上也只需一张。

甚至对表情、发型、眼镜等元素进行调节时，也不需要额外素材。

而传统的头像合成工具或者需要多张图片才能工作，或者对照片角度有刁钻的要求。

正是凭借这一创新，FaceLit获得了3.5的FID评分，较同类产品直接高出了25%。

改进式EG3D合成人像，光线信息单独处理

下面就来看一下FaceLit具体是如何实现头像合成的。

总的来说，苹果采用了将人物本体与光线分别处理再进行叠加的策略。

早期的三维人像合成工具在转换过程中可能产生形变。

而爆火的NeRF通过将场景拆分成具体因素，提高了3D图像合成效果，改善了这一问题。

但苹果团队认为，在可控性方面，NeRF仍存有不足之处。

于是，在EG3D框架的基础上，苹果创造了FaceLit的合成模型。

EG3D通过三平面解码器，赋予了二维卷积神经网络生成渲染3D模型所需深度参数的能力。

苹果团队对标准的EG3D训练方式进行了扩展，并将之转化成了FaceLit框架。

FaceLit与传统EG3D渲染流程对比图

标准的ED3G使用相机位置p参数作为基本输入参数。

在建立GAN2操作时，苹果在EG3D的基础上加入了光照参数l。

不同p(左→右)与l(上→下)值下的初始图像

苹果选择了经过球形谐波方式简化后的Phong反射模型作为处理光源的物理基础。

光照参数l就是在这一基础之上独立处理得到的。

在自然界中，反射包括镜面反射和漫反射两种形式。

不同镜面反射率条件下的效果对比

因此，苹果在ED3G模型中加入了镜面反射解码器和漫反射解码器。

它们替代了可以直接得到颜色c、密度σ数据的三平面解码器。

反射解码器流程示意图

通过对GAN2产生的数据进行再次解码，可以得到镜面反射率ks和漫反射率kd。

然后再通过两种反射着色器得到颜色c，密度σ则由漫反射解码器计算得出。

最终，FaceLit以与三平面解码器相同的参数（c，w，σ）渲染图像，并进行分辨率优化。

有的放矢设计训练策略，数据无需人工标注

生成框架已有，那就来到训练阶段，其特点在于训练过程中无需人工标注。

方法论层面，在训练时，团队使用了FFHQ、MetFaces和CelebA-HQ数据集。

对于不同的数据集，苹果使用了不同的训练方式。

FFHQ包含了7万余条人脸数据，其训练分为两个阶段：先在较低的分辨率下训练，再提高分辨率再次进行。

对于包含2万数据量的CelebA-HQ，训练不需要分阶段进行。

而对于更小的MetFAces，则只需要通过ADA扩容的方式，使用预训练的FFHQ进行优化调整即可。

定性地看，训练结果在机位、光源和反射高光等方面都有出色的表现，图中的细节也有所增强。

FaceLit生成的头像（左侧四列）唇齿部位的细节进行了明显重构

定量结果同样表明，FaceLit在FID、KID等指标上均优于包括标准EG3D在内的传统生成方式。

在使用FFHQ作为训练集的条件下，各生成方式的表现如下表，不难看出FaceLit拥有最低的FID和KID值。

而相比于英伟达的StyleGAN2，FaceLit的表现依旧出色：

光线准确度方面，FaceLit在使用三种不同训练数据集的情况下，与人工设定的标准值平均均方误差均低于0.01。

网友：人们低估了苹果AI

消息发出后，便有网友认为“这是对更重磅产品的预热”。

更有网友直接推测，FaceLit的出现标示着人工智能将进军AR和VR领域，苹果的混合现实将最终实现商用……

也有网友认为，FaceLit不会商用，否则苹果才不会以论文的形式发表。

针对FaceLit本身，也有网友表示，除了LLM，其他都是浮云，他们（苹果）如果不开发LLM，就没有未来。

但这位网友同时也说，苹果可能已经在做（LLM）了。

相应的，也有网友称人们“低估了苹果在AI领域的深度”。

所以各位网友对苹果在AI领域还有什么样的期待呢？