本文经AI新媒体量子位（公众号ID:QbitAI）授权转载，转载请联系出处。
终于，我小学时的梦想有人实现了！
只需要我拍下自己的笔迹，AI就能帮我誊抄英语作业，画风“完全一致”的那种：
甚至帮别人抄作业也没问题……
简直吊打一批只能仿手写、价格还动辄几百上千的“作业神器”。
咳咳，划重点：
虽然功能很强大，但这可不是给你们抄英语作业的。（作业就得认真做！）
这是Facebook AI最新出品的“文字风格刷”（TextStyleBrush），它只需要一张笔迹的照片，就能完美还原出一整套文本字迹来。
不仅能移花接木，凭空将“酱油瓶”变成“茶壶”：
还能直接实现风格替换，让蔬果店里的所有印刷字都变成手写体：
这样看来，现在就连照片文字，也不一定是真实的了。
比格式刷还强：文本也能换
在实际使用过程中，TextStyleBrush真的就是个格式刷，哪里需要刷哪里。
它真正厉害的就是模拟手写字体。
只需输入一段文本内容，加上你的笔迹，1个单词即可，它就能生成“手写版”。
这个效果，用肉眼看真的是分辨不出真伪！
把菜场中价签的印刷体都换成手写体的过程中，它还能识别出不是印刷体的样本，自动跳过转换合成。
△两个手写标签并没有被更改
模拟特定字体格式时，TextStyleBrush表现也很不错。
包括海报、垃圾桶、路牌、饮料瓶、店面装饰……各种文字的风格都能handle：
除了直观的效果，开发人员对合成图片也做了数据上的分析。
TextStyleBrush生成的图片在合成误差（MSE）上大幅降低，峰值信噪比（PSNR）和结构相似性（SSIM）也提高不少。
在文字识别的准确性上，TextStyleBrush在三组数据集中的表现都不错：
准确率都高达95%以上。
拿GAN改一改，真假文字难辨认
据Facebook介绍，“文字风格刷”TextStyleBrush是一个基于自监督方法训练的模型，可以对相同文本内容的文字进行风格转换，就像格式刷一样。
当然，不只是Word的格式刷，它甚至能直接对照片中的文字进行替换，因此模型还需要学习文字识别和图像分割的方法。
△逆光场景也不在话下
为了同时实现图像分割和文字风格转换，TextStyleBrush模型基于StyleGAN2进行了设计，后者能生成非常逼真的图像照片。
然而，StyleGAN2存在两个问题：
首先，它生成图像的方式是“随便乱打”的，也就是没办法控制输出图像特征。但TextStyleBrush必须要生成指定文本的图像。 其次，StyleGAN2的整体风格不受控制，但TextStyleBrush中的风格涉及大量信息组合，包括颜色、尺度和风格转换等特征，甚至是带有个人特色的笔迹细节差异。
为此，TextStyleBrush首先通过将文本信息和风格作为两个“附加条件”控制模型输出，来解决模型随机生成图像的问题。
然后，为了进一步更精细地控制文本的风格特征，还会提取神经网络层中的各种风格信息，并将这些信息注入文本生成器中，便于从各种尺度（颜色、整体风格、细节）上控制文字的风格。
除此之外，由于不同的图片分辨率不同，生成器还必须生成和替换区域分辨率相似的文字。
为此，这一模型加入了能够控制高低分辨率的结构，使得生成的文字图像能匹配输入图像的分辨率。
就像这样，替换前后也不会出现字体清晰度差异大的问题：
但不同于照片，文字的风格其实要更加自由，所以有时候画风的真实性不好说。
为此，在训练的时候，Facebook引入了一种创新的自监督训练方法，结合风格分类、文本识别（OCR）和GAN三种模型来保留输入的风格/文字内容，再决定要替换哪个。
例如，在文本识别上，让TextStyleBrush生成文本图像后，模型会用一个预训练文本识别结构来“判断”图像的文字内容，并给它打分。
事实证明，这样训练出来的模型，确实很好用。
网友：以假乱真？我真有点担心……
合成人脸已经玩太多了，合成笔迹还是头一回。
而且它的效果真的还不错！
所以，TextStyleBrush一经发布，就引来了很多人的围观。
已经有网友开始想象它的用途了：
欢迎来到花式签名的世界！
LeCun也转发了一波。
不过，能看不能玩实在是太难受了，有手痒的网友就跑来提问：
TextStyleBrush会对大众开放使用吗？
这自然也就引出来一个会引起争议的点：
合成后的笔迹足以以假乱真，如果被滥用或恶意使用怎么办？
假设任何一个人的笔迹都能被非常轻松地合成，那许多需要签字的场合该怎么办呢？
例如，有网友表示，要是连医生们的“草书”处方都能模仿……
而除了安全隐私问题上的担忧，这对字体设计师来说也不是个好消息。
毕竟各款字体其实都是有版权的，如果可以被轻松模拟出来，那岂不是盗版满天飞，甚至连作者本尊都分辨不出来真伪。
有网友就表示：这离真假难辨的反乌托邦世界更近了一点……
对此，Facebook的CTO作出了回应：
因为可能会被用来伪造笔迹，所以我们只发布论文和数据集，源代码并不会开源。
分享研究和数据集，也更多是为了预防文本版Deepfakes。
你觉得呢？
TextStyleBrush数据集： https://github.com/facebookresearch/IMGUR5K-Handwriting-Dataset
论文地址： https://scontent-fml2-1.xx.fbcdn.net/v/t39.8562-6/10000000_944085403038430_3779849959048683283_n.pdf
