GitHub移除色情应用DeepNude的相关仓库

DeepNude 是一款付费应用程序，官方对其描述是“AI X 光。通过使用类似 deepfakes 的深度学习技术，DeepNude 使用女性裸照训练之后可将图像中女性身上的衣服替换掉，创造出几可乱真的合成裸照，也就是大家所说的“一键脱衣”。

GitHub 也曾对 deepfakes 的 repo 进行过某种程度上的限制 >>> 戳这里

但由于此项目产生的效果过于低俗且导致的负面影响巨大，在引起广泛的争议后，官方团队选择将该项目关闭。

虽然团队下架了此项目，但有人根据已下载的程序进行了逆向工程，并开发出 DeepNude 的开源版本，还将这些可用副本上传到 GitHub。

而 DeepNude 团队也将此项目的核心算法（而不是实际的应用程序）在 GitHub 开源。理由是针对这款应用程序的逆向工程已上传至 GitHub，隐藏源码已经没有任何意义。

然而根据 GitHub 的社区准则，除非用于教育或艺术目的，该平台是严厉禁止“色情”或“淫秽”内容的。所以 GitHub 以违反其政策为由将托管在它平台上的相关项目仓库移除。

关于 DeepNude 的算法及相关技术原理介绍可以访问以下 repo 进行了解和学习：
https://github.com/yuanxiaosc/DeepNude-an-Image-to-Image-technology

DeepNude 的核心算法主要包括四项涉及人工智能/深度学习的技术（主要是计算机视觉领域），
分别是：Pix2Pix、Pix2PixHD、CycleGAN 和 图像修复（Image Inpainting）

Pix2Pix

Image-to-Image Translation with Conditional Adversarial Networks
是伯克利大学研究提出的使用条件对抗网络作为图像到图像转换问题的通用解决方案。效果如下：

Pix2PixHD

之前的技术多数只能生成粗糙的低分辨率的图片，看起来也不真实。而 Pix2PixHD 将一张语义图作为输入，并由此生成了一张高分辨率的逼真的图像。语义图是一幅彩色图片，图上的不同色块代表不同种类物体，如行人、汽车、交通标志、建筑物等。

CycleGAN

CycleGAN使用循环一致性损失函数来实现训练，而无需配对数据。换句话说，它可以从一个域转换到另一个域，而无需在源域和目标域之间进行一对一映射。这开启了执行许多有趣任务的可能性，例如照片增强，图像着色，样式传输等。您只需要源和目标数据集。

图像修复（Image Inpainting）

只需用工具将图像中不需要的内容简单涂抹掉，哪怕形状很不规则，NVIDIA 的模型也能将图像“复原”，用非常逼真的画面填补被涂抹的空白。可谓是一键P图，而且“毫无 ps 痕迹”。

该研究来自 NVIDIA 的 Guilin Liu 团队，他们发布了一种可以编辑图像或重建已损坏图像的深度学习方法，即使图像穿了个洞或丢失了像素。效果如下：

事实上，假裸照并非 DeepNude 的首创，人们多年前就已通过 Photoshop 来达到合成裸照的目的。但问题在于，DeepNude 将假裸照的制造难度降低到了人人可及的程度。

对此，政治家和评论员们对该项目的潜在影响提出了相当严厉的警告。遗憾的是，这些都无法阻止 DeepNude 的副本在网络上的广泛流传。