第(3/3)頁

    一舉奪得了視覺頂會CVPR的最佳論文，這是該頂級會議25年歷史上第一篇斬獲此榮譽的亞洲論文。

    在深度學習未如此流行之前，湯教授的實驗室就已經頻繁在國際頂會上發布相關論文。

    11-13年間的頂級視覺會議上，湯教授實驗室在深度學習領域上產出的論文數量，與世界上其他所有機構的總和相當。

    足以可見其遠見、技術實力和理論底蘊。

    可饒是如此湯教授面對這個突如其來的安全性難題，也仍舊是一籌莫展。

    “湯老師，FaceGAN雖然公布了論文和展示網站，但是其具體的訓練代碼和做法細節，我們完全不清楚。在這種情況下，我們很難總結出任何有價值的規律。”

    “是啊，湯老師，生成式技術是比較新的技術，用在人臉圖像上也是第一次。我們在這方面沒有經驗，解決這個問題可能需要相當長的一段時間。”

    “倘若我們通過他們的[這些人并不存在]網站，收集大量的生成內容，有沒有機會總結出什么規律？”湯小鷗眉頭緊鎖，對方的技術路數新穎，己方完全不熟悉。

    想要從源頭上搞明白，實在太久了。

    他的想法是，通過這些虛假的內容，專門做出一個針對性的檢測器。

    和自己原本的核心識別部分分開，獨立進行。

    不得不說，這也是一種思路，可生成這些虛假數據的模型，也是從這種對抗中訓練而來的，短期之內，很難取得什么成效。

    “我們先發布技術，這個難題之后再解決。”幾乎是同時，臉書和湯小鷗實驗室均做出了這個決定。

    在原本時間線，兩邊的技術發布都要再遲上一兩個月。

    但突如其來的難題，讓兩邊都意識到夜長夢多，再不發布，搞不好局面會更加尷尬。

    　　

    


    第(3/3)頁