直播，CycleGAN，視頻換臉，未來的現實

直播現在很火熱，它滿足了人們通過互聯網更深度交流的慾望。做直播網站的成本除了技術、機器，主要是網路帶寬，越清晰，帶寬成本越高。阿里雲上3M帶寬的機器價格是1M帶寬的3-4倍，而視頻直播需要的帶寬至少要10M、20M，是個非常耗費帶寬流量的應用。

不過我最近發現一個很有趣的事情，就是直播實際上是可以偽造的。通過深度圖像風格轉換，可以將一個大糙男人換成一個香嫩美女，這就是技術的力量啊，哈哈??

左邊是原始視頻，右邊是經過演算法轉換的視頻。

這個演算法叫做 CycleGAN，用生成對抗網路轉換每一個像素點，上層用 keras / torch / lasagne 實現：tjwei/GANotebooks

那麼我們可以想像，實際上當流量、帶寬在未來越來越便宜，我們通過互聯網視頻與人溝通的場景將會越來越多。文字的互聯網發展到現在，我們已經看到了許多匿名偽造、身份欺騙等事，因為我們很難辨別文字背後到底是誰，所以互聯網早期的網民發言大多以宣洩對生活的不滿為主。

視頻直播看起來更真實一些，但其實也可以偽造，而且你很難發現這一點。那麼我們未來是不是想看到什麼，電腦就可以立馬計算出來呢？我想差不多是這樣的，未來的視頻也不限於目前的平面屏幕，會有3D全息、VR，更有「感覺」，但都是計算出來的，既然是計算出來的，就有可能是「假」的。

不過話說回來，我們真地那麼在意」真「和」假「嗎？當我們不知道的時候，我們根本沒法知道」真假「，you don"t know what you don"t know，就是這個道理。真假已經難以分辨了，於是也就不再有真假了，判斷標準會變化。

我想這種技術，既然被我們普通人看到，應該早就已經被用來盈利了，比如很多視頻網站、色情網站，每天需要大量的視頻內容，而這正好可以減少生產視頻內容的成本，簡直是完美的生意。還是那個觀點，生產需求推動著科學技術的發展，而人的慾望推動著生產的發展。

CycleGAN 相關的介紹：

Unpaired Image-to-Image Translation using Cycle-Consistent Adversarial Networks