30個方法教你如何用A/B測試改善網站的UI設計!!(2)

30個方法教你如何用A/B測試改善網站的UI設計!!(2)
30個方法教你如何用A/B測試改善網站的UI設計!!(2)

身為UI 設計師~知道如何使用A/B測試來改善網頁設計嗎?今天的文章依次交給你!!(2)

本篇為第 2 篇,第 1 篇請點此30個方法教你如何用A/B測試改善網站的UI設計!!(1)

範例9:清楚描述 TA (目標客群),而不是宣稱「適合所有人」

網站是瞄準特定族群還是面向普羅大眾?即使鎖定客群的策略有風險,讓網站在短期內失去一些潛在客戶,但誠實與公開透明才是與消費者信任的基礎。

網站清楚描述產品或服務的目標族群畫面,可以讓網站吸引到相似特質的使用者,同時透露出的「排他性」會讓使用者感到自己是被重視的,並建立出親近感。

範例10:不會有人被優柔寡斷吸引,多使用肯定語氣吧!

當你收到一封語句充滿「也許、可能、說不定」的信件,以及收到一封肯定且充滿信心語句的信件,哪個寄件人會讓你覺得比較能信任?相信大部分的人都會認為答案明確的信能讓人安心吧!

優柔寡斷會降低信任感,如果網頁上常使用問句或不確定性的字詞,例如:有興趣嗎?想購買嗎?會讓消費者覺得你對產品或服務信心不足,這時候可以使用更具權威性、專業性的語句,像是如何帶給顧客良好的產品或最佳的 UX 使用者體驗。

範例11:善用色彩對比度來凸顯號召性用語

醒目的行動呼籲性(CTA,Call-to-action)可以使你的 UI 介面更加強大。有多種方式能輕鬆提高 CTA:如透過深淺色調、陰影、漸層或對比色的手法來增加畫面上的對比性,提升被使用者注意到的機會。

範例12:標示出產品的原產地

為產品添加名稱、圖片與原產地標示都展現出獨特性方法。特別是提到國家、地區或城市,因為這正如人們自我介紹來自哪裡一樣,是一個非常人性化的交流方式,也會顯得更加友善。

另外,說明原產地故事也能讓產品與產地名聲達到雙贏。

範例13:別讓使用者填太長的表單

人類天生就牴觸勞動密集的行為,這個理論同樣適用於讓顧客填寫表單,每多一個表格就增加使訪客轉身放棄的風險!並不是每個人都能飛快地打字,更別說在移動裝置上打字仍然不輕鬆。檢視是否每個表格都有必要回答,並盡可能減少表格數量。

如果必填欄位真的為數眾多,可以嘗試讓最重要的資訊先讓使用者填寫完,提交後再出現一個單獨的頁面,請使用者繼續填寫第二重要的資訊。

範例14:別隱藏頁面上的選項,大方展現吧!

下拉式選單的優點在於可以增加頁面的空間,若是要選擇可預期、已熟悉或高度重複操作的項目(如:生日、日期或地區)那使用下拉式選單是個不錯的策略。

但對於使用者來說,下拉式選單隱藏了一組他們要努力去發現的選項。這些選項若是跟產品有關,而且是交易流程中必經的,那你可以考慮不要隱藏這些選項,這樣可以提升網頁著轉換率

範例15:別讓使用者覺得已經「滑到最底了」

長型的一頁式網站是趨勢,但若是 UI 設計不良、看到一半就讓使用者誤以為「已經滑到最底了」,這可是會大幅扼殺轉換率的。

UI 設計師可以建立一種固定的視覺模式或節奏,例如圖標或是小動畫,來引導使用者「網頁還沒看完,下面還有內容」。設計時也需注意欄位之間留白區域的尺寸:過大的空隙會讓人誤以為已經沒有內容了。

範例16:保持焦點,不要用連結淹沒使用者

為了滿足使用者可能的所有需求,有的網頁會在上下左右都貼上「連結」,但其實每多安插一個的連結(例如:「按這裡以了解更多」),就會增添讓使用者分心的風險,讓他們沒辦法滑到最後、看到你的 CTA(行動呼籲)。

附上連結不是錯誤,只是數量與位置都要妥善規劃。減少多餘的連結,可增加讓使用者注意到頁尾 CTA(行動呼籲)的機會。

 

 

本篇為第 2 篇,第 3 篇請點此30個方法教你如何用A/B測試改善網站的UI設計!!(3)

更多關於UI或其他類型文章請點閱下方連結~

 

 

 

其他閱讀

特效不夠AI 來湊!迪士尼換臉技術達百萬畫素

Google Analytics「工作階段」定義與範例一次解析!

亞馬遜人工智慧出包 搞混國會議員與罪犯

人工智慧再突破!史上最強解馬賽克技術 64倍解析度還原成無碼

為何各個UI設計師都愛用圓角矩形?真的有比較好?()

考取APCS認證非知不可的攻略秘笈就看這篇!!()

人工智慧也會騎重機飆車?!頂尖車手擔憂快失業!!

30個方法教你如何用A/B測試改善網站的UI設計!!(1)

30個方法教你如何用A/B測試改善網站的UI設計!!(1)
30個方法教你如何用A/B測試改善網站的UI設計!!(1)

身為UI 設計師~知道如何使用A/B測試來改善網頁設計嗎?今天的文章依次交給你!!(1)

UI 設計的知識網站「GoodUI.org」整理分享了許多已經 A/B 測試的 UI 設計,先幫忙把常見的網頁排版都測完,幫助 UI 設計師/網頁設計師們省下許多功夫!

什麼是A/B測試

A/B 測試(A/B Test)運用了統計學的原理,顧名思義就是眼前有「A 版」與「B 版」兩種方法,為了測試哪種方法能獲得更好的市場反應,將 2 種版本同時上線,將消費者導入 A 或 B 版網頁做測試。

A/B 測試的優點在於可以得到實際的數據,而非依靠主觀意見來決定網站的架構與UI 設計,也能不落傳統思維的俗套。只是各個版本需運行一段時間,待累積足夠的數據,才能確保測試的準確性,也需耗費不少成本。

範例1:嘗試使用單欄排版取代多欄

多欄式排版的 UI 設計有分散頁面焦點的風險,而單欄式排版可以更好地安排內文敘述,同時從上而到下引導讀者的視覺動線也更加直覺,也能避免於閱覽者分心。最後可以安排醒目、富有號召力的內容做結尾。

範例2:在行動呼籲前先給予誘因

UI 排版上,先給予像是「送禮」等誘因,是一種基於互惠原則的有效說服策略,同時也是能優化 UX 使用者體驗、改變顧客想法的最簡單方式。即使聽起來似乎很理所當然,但嘗試表現出友善的態度,如一封感謝信、小紀念品等,也能讓網站受眾的 UX 體驗更佳。這個微小的 UI 調整,也許會在未來帶來出乎意料的好處。

範例3:嘗試合併類似功能的欄位,避免版面破碎化

 

 

範例4:讓社群證明價值,不要自吹自擂

社群的廣泛好評對於提高轉化率是很好的說服策略,當客戶看到其他用戶支持並討論您的產品服務,會增進他們想深入了解的動機。

嘗試蒐集過往客戶的推薦文、滿意度證明或各種可以佐證的數據證明,並放在網頁上吧!

範例5:不要害怕重複顯示引導指示,只要放在不同位置就好

在跨度大或多分頁的網站中,重複出現讓使用者點擊的行動呼籲是可行的,但當然不是指讓「購買」等按鈕在同一畫面重複顯示10次,這麼做肯定會惹惱使用者……。

重點在於合理規劃欄位分配,因長長的一頁式網頁已相當能被大眾接受,不需像過去一樣,把所有網頁元素都壓縮在一個螢幕大小。所以在一頁式網頁的最上方設置一個適中的點擊按鈕、最下方放置一個醒目的點擊按鈕,也是符合UX使用者體驗的原則。

根據 A/B 測試出來的使用者習慣,當使用者「滑」網頁到最底時,看到可點擊的按鍵,他們會停下來思考接下來要做什麼 —— 例如點下那個「購買」鍵。

範例6:讓「可點擊」和「可選擇」的外觀有差異

為了清楚的引導訪客使用網站介面,UI 設計師要明顯區分出「可點擊」(如連結或按鍵)、「可選擇」(如選單)和純文字的樣式,不只在設計上要有所區別,同時上方描述文字也必須簡潔清楚。可以利用視覺元素,例如:顏色、深淺和對比度等,來達到又美觀又可以區分的效用。

例如以圖例來看,設計師選擇「藍色」做為網站上可點擊按鍵的色調,而選擇「黑色」為當前所在頁面的名稱。簡明扼要的顏色應用就能達到不言而喻的效果。最重要的是:千萬別使用過多的顏色混淆使用者。

推薦閱讀:為落實“數位優先”的UI設計…Audi,福斯竟將LOGO壓扁了!

範例7:突顯最推薦的項目,避免讓所有項目都看起來相同

有心理學研究表示,當人們眼前的選擇越多,反而會陷入一種「分析癱瘓」的狀態,導致從選擇中挑選的機率越低。

UI 設計師為了避免這個困境,比起單純陳列所有的項目,強調突出最主要的商品或服務是更好的做法。

推薦閱讀:UI設計師的配色攻略:5個黑色的設計意義/用法

範例8:讓使用者主動選擇「復原」,而不是重複詢問意圖

想像一下,當按下按鍵或連結,網頁可能會出現兩種提示:第一種是在介面底部出現「復原」(undo)鍵,讓你回復至上一步;另一種則是跳出視窗要你「確認即將要進行的操作,確認後無法復原」。這兩者會帶給消費者什麼不同的使用者體驗 (UX)?

跳出視窗要你「確認自己在做什麼」會讓使用者覺得備受質疑,而「復原」提供使用者就算操作錯誤也可以回復到上一步的功能,則會讓人感到友善、包容與尊重。

另外,若使用者需重複的進行某項操作,網頁不斷跳出提示視窗,也讓使用者感到操作效率低下,產生不佳的 UX 體驗。

 

 

本篇為第 1 篇,第 2 篇請點此30個方法教你如何用A/B測試改善網站的UI設計!!(2)

更多關於UI或其他類型文章請點閱下方連結~

 

 

 

其他閱讀

特效不夠AI 來湊!迪士尼換臉技術達百萬畫素

Google Analytics「工作階段」定義與範例一次解析!

亞馬遜人工智慧出包 搞混國會議員與罪犯

人工智慧再突破!史上最強解馬賽克技術 64倍解析度還原成無碼

為何各個UI設計師都愛用圓角矩形?真的有比較好?()

考取APCS認證非知不可的攻略秘笈就看這篇!!()

人工智慧也會騎重機飆車?!頂尖車手擔憂快失業!!

SEO課程先修班:什麼是谷歌分析中的工作階段?(下)

SEO課程先修班:什麼是谷歌分析中的工作階段?(下)
SEO課程先修班:什麼是谷歌分析中的工作階段?(下)

各位想報名SEO 課程的同學們都知道谷哥分析中的工作階段是甚麼嗎?還不曉得的同學讓今天的先修班告訴你吧!!(下)

本篇為上篇,下篇請點此SEO課程先修班:什麼是谷歌分析中的工作階段?(上)

使用者因來源變更而結束工作階段

每次使用者的廣告活動來源變更時,Google Analytics 就會開啟新的工作階段。就算是廣告活動來源在現有工作階段仍為「開啟」狀態時 (意即經過的時間不到 30 分鐘) 半途變更,系統一樣會關閉原工作階段並開啟新的工作階段。

▲ 然訪客「未」關掉完成交易的頁面,但是又透過另一個來源(廣告活動)開啟同一個網站,因此新的工作階段啟動。(圖片來源:達內教育SEO 課程

 

承上述訪客 A 的例子,我們知道,最初他是藉由自然搜尋關鍵字「SEO課程」進入網站的。而現在時間是 13:01,現有的工作階段「Session#2」到期時間為 13:31。在 13:23 時,A又開啟了新視窗,在新視窗內搜尋關鍵字「網路行銷課程」並且在搜尋結果上看到你網站的關鍵字廣告連結。13:24 時,A 由此廣告連結點進你的網站。

雖然此時,現有的工作階段「Session#2」 仍為開啟狀態,且時間還沒滿 30 分鐘,但是因為 A 的行為等同是開啟了新的廣告活動來源,來源從「Google/自然搜尋」變更為「Google/付費搜尋」,所以 GA 系統一樣會關閉原工作階段「Session#2」,並開啟新的工作階段「Session#3」。「Session#3」由 13:24 開始計時,13:54 到期。

A 進行了 5 分鐘的網頁瀏覽互動後,又收到了友人的 Facebook 連結分享,點了連結赫然發現又再度連結進你的網站內!訪客 A 的來源將會從「Google/付費搜尋」變更為「Facebook」,並且重新計算為一個新的工作階段「Session#4」。

由此類推,假如 A 個動作在頻繁一點,就算是再短短的 5 分鐘內從 3 個不同來源一直連到你的網站,她就會在這 5 分鐘內造成 3 個工作階段。

註:直接來源 (direct traffic) 並不會更新工作階段的計算,也不會開啟一個新的廣告活動。

根據晚上 11 點 59 分結束工作階段

GA 預設於晚上的 11:59:59 秒工作階段將會逾時,並開始計算新的工作階段。若上例的 A 於晚上 11 點 59 分在網站內進行 3 分鐘的瀏覽行為,將會被計算為兩個工作階段。

SEO 能從工作階段看出什麼?

只要訪客一造訪網頁,則會開啟工作階段。只要訪客在 30 分鐘內跟此網頁有任何的互動,Google Analytics 都會從 0 秒開始從新計算 30 分鐘。除非他真的把網頁閒置在那邊超過 30 分鐘都沒有進行互動,否則會一直被計算為同一個工作階段。

工作階段可反應出訪客大略的回訪率。假設我網站今天的造訪人數只有 70,但工作階段卻有203 個,就代表平均每個人都回訪了 2 次至 3 次。

如何更改工作階段的設置

▲ Google Analytics 工作階段預設為30分鐘逾時,但透過此圖所示的步驟,SEO可以更改逾時時間(圖片來源:達內教育SEO 課程

 

位置:GA 左側點選「管理」,然後點擊「資源」下方的「追蹤資訊」打開選單,即可看到「工作階段設定」的選項(如上圖所示)。

從這裡可以更改工作階段逾時的時間設定,至於如何決定工作階段逾時時間,則要根據你的平均工作階段時間長度而定。例如訪客在你的網站平均瀏覽時間為 3-7 分鐘,那你可以將逾時時間設定為 7 分鐘。

 

 

更多關於SEO 教學相關介紹文章請到本部落格首頁搜尋喔~

 

 

 

其他閱讀

線上職訓正夯 從零開始花半年錄取軟體工程師

所有的新創業者都需要 SEO 7 個理由!

阿嬤也能coding了?2020人工智慧想對我們做什麼?

人工智慧,機器人,Python,大數據到底有什麼關係?

你家萌寵也能成為人工智慧機器人的訓練師~可能嗎?()

人工智慧不僅可以自動駕駛,現在還會打棒球?!()

人工智慧也會騎重機飆車?!頂尖車手擔憂快失業!!

SEO課程先修班:什麼是谷歌分析中的工作階段?(上)

SEO課程先修班:什麼是谷歌分析中的工作階段?(上)
SEO課程先修班:什麼是谷歌分析中的工作階段?(上)

各位想報名SEO 課程的同學們都知道谷哥分析中的工作階段是甚麼嗎?還不曉得的同學讓今天的先修班告訴你吧!!(上)

工作階段-GA (Google Analytics) 如何定義網頁?

對於 SEO 來說,GA (Google Analytics) 的「工作階段」可是非常重要的指標。因為 SEO 總是要了解究竟有多少訪客來到自己的網站、產生多少互動行為,而「工作階段」就是能真實反應訪客造訪你網站後「如何互動」的指標,比不重複瀏覽、新使用者等指標更容易反應「訪客如何使用你的網站」。

GA (Google Analytics) 如何定義網頁「工作階段」?

簡單來說,當只要有訪客開始瀏覽網頁時,即開啟了一個工作階段。

一個工作階段包含了各式各樣的使用者互動:如網頁瀏覽、任何事件的觸發、社交互動、線上交易等。

一個工作階段可以比喻成一個容器,容器內裝了各式各樣東西。每一樣東西,都代表使用者與網站的各種互動行為。

▲ 一個工作階段可以比喻成一個容器,容器內裝了各式各樣東西。每一樣東西,都代表使用者與網站的各種互動行為。(圖片來源:達內教育SEO教學

 

一個使用者可以開啟多個工作階段,多個工作階段可於一天內或是好幾天中發生。一個工作階段結束後,新的工作階段就會被開啟。結束一個工作階段的時間如下:

根據時間決定何時結束一個工作階段:

  1. 閒置(使用者網頁開者但是不跟網頁有任何互動)30 分鐘後
  2. 當天晚上 11 點 59 分 59 秒

根據來源變更而決定何時結束一個工作階段:

  1. 使用者透過某廣告/活動連到網站,離開之後又經由另一個廣告活動造訪該網站。

根據閒置時間結束工作階段

根據預設,一個工作階段會在閒置 30 分鐘後結束 (不過我們可以調整時間的長度,結尾會介紹如何調整)。若這 30 分鐘內,當你進行任何的網頁互動,Google Analytics 都會將此工作階段重新計算,也就是離逾時的時間再加 30 分鐘。

範例

假設你今天有一個販售網路行銷課程教材的網站,訪客 A 在 Google 搜尋頁面搜尋「SEO 課程書」,在搜尋結果上看到你的網站並點進你的網站,Google Analytics 就會開始計時,即開啟了一個工作階段「Session#1」。此時正是中午 12:00。假如 A 開啟網頁之後不久便開始午休(但是未關閉網頁),因此他與網站沒有任何互動,如此過了 30 分鐘(12:30)後,此工作階段「Session#1」就會結束,並於 12:31 時開啟一個新的工作階段「Session#2」。Session#2 預計將於 13:01 到期。

12:40 後,A 午休結束,開始與網站上的元素互動 (例如完成事件、進行社交互動或開啟新網頁)。每次互動發生時,Analytics (分析) 都會重設此工作階段的到期時間 (從互動發生時間開始往後推 30 分鐘)。

例如,12:41 時 A 點了該網頁的「產品頁面」連結,即開啟一個新的互動,導致該網頁的工作階段新設定一個 30 分鐘的期限。因此本來預計將於 13:01 到期的 Session#2,延至 13:11(12:41+0:30 = 13:11)到期。

12:55 時,A在頁面上看到了一款不錯的 SEO 教學書籍,並加入了購物車,又觸發了新的互動事件。由此類推,Session#2 到期的時間又延至 12:55+0:30 = 13:25 到期。13:01 時,A 完成交易,Session#2 到期的時間又從 13:25 延至 13:31。

▲ 此範例的整個過程,可簡化成此流程圖。第一個工作階段因為閒置時間超過 30 分鐘,超過 30 分鐘就到了第二個工作階段。第二個工作階段中包含了四個互動,每一次的互動都會將工作階段延後 30 分鐘。(圖片來源:達內教育SEO課程

 

使用者因來源變更而結束工作階段

每次使用者的廣告活動來源變更時,Google Analytics 就會開啟新的工作階段。就算是廣告活動來源在現有工作階段仍為「開啟」狀態時 (意即經過的時間不到 30 分鐘) 半途變更,系統一樣會關閉原工作階段並開啟新的工作階段。

▲ 然訪客「未」關掉完成交易的頁面,但是又透過另一個來源(廣告活動)開啟同一個網站,因此新的工作階段啟動。(圖片來源:達內教育SEO課程

 

 

 

本篇為上篇,下篇請點此SEO課程先修班:什麼是谷歌分析中的工作階段?(下)

更多關於SEO課程相關介紹文章請到本部落格首頁搜尋喔~

 

 

 

其他閱讀

線上職訓正夯 從零開始花半年錄取軟體工程師

所有的新創業者都需要 SEO 7 個理由!

阿嬤也能coding了?2020人工智慧想對我們做什麼?

人工智慧,機器人,Python,大數據到底有什麼關係?

你家萌寵也能成為人工智慧機器人的訓練師~可能嗎?()

人工智慧不僅可以自動駕駛,現在還會打棒球?!()

人工智慧也會騎重機飆車?!頂尖車手擔憂快失業!!

迪士尼人工智慧換臉技術特效為目前業界最強?!(下)

迪士尼人工智慧換臉技術特效為目前業界最強?!(下)
迪士尼人工智慧換臉技術特效為目前業界最強?!(下)

迪士尼運用人工智慧科技提升換臉特效造福我們觀眾啦!!快一起來看看有多神奇~(下)

本篇為上篇,下篇請點此迪士尼人工智慧換臉技術特效為目前業界最強?!(上)

首個百萬畫素換臉方法

研究團隊提出了一個漸進式訓練的梳狀模型(comb model),並配合編碼器進行模型訓練。

▲ Disney Research 公開之換臉過程示意圖。(圖片擷取自 Disney Research)

 

  • 步驟 1:對原始圖像 xt 進行臉部檢測辨識,並提取關鍵點。
  • 步驟 2:將人臉分辨率歸一化(即標準化剪裁)為 1024×1024 像素,並保存歸一化參數
  • 步驟 3:將步驟 1、2 預處理好的圖像輸入編碼器中,用相應的解碼器解碼。
  • 步驟 4:使用步驟 2 保存的歸一化參數,在圖像「x˜_s」上反轉圖像歸一化結果,將生成的圖像與原始圖像 xt 進行多頻帶混合,得到人臉交換的成果圖像。

而畫素方面,研究團隊表示他們曾使用開源 deepfake 模型 DeepFakeLab,但成果影像的分辨率最高只到 256×256 像素。而研究團隊所採用的漸進式、對原始圖像進行預訓練的方法可從中提取出較高解析度圖像。下圖可看出經過訓練模型,輸出的人臉畫素與效果都優於未經訓練的結果。

▲圖爲迪士尼與 DeepFakes、DeepFaceLab 和 Nirkin 等換臉方法的效果對比。(圖片擷取自 Disney Research)

 

迪士尼換臉 AI 有待突破的缺點

儘管研究團隊證明在細節、解析度以及自然度上,迪士尼 AI 人工智慧 都優於其他換臉模型,但團隊也承認他們的技術存在明顯的侷限性。

如「有戴眼鏡的臉」無法穩定進行人臉交換,問題不在於眼鏡部分無法渲染,而是無法恰當捕捉到表情和姿勢。研究人員曾嘗試調整輸入源,但依然無法穩定掌握產出品質。還有,雖然人臉正面直視鏡頭的圖像換臉效果良好,但俯視、仰視或側面等人臉角度與特殊光源下的換臉,可能會導致不完善的生成結果,如模糊和僞影。

  

▲ 換臉生成失敗示意圖。(圖片擷取自 Disney Research)

 

不過研究人員補充道,這類問題實際應用於電影場景中影響不大,亦可以經由其他方式解決。

未來當這項 AI 人工智慧 技術更加成熟,得以廣泛應用後,影視作品能有更逼真自然、栩栩如生的特效,對觀眾來說也是一大福音啊!

 

 

更多關於人工智慧的文章請點閱下方連結!!

 

 

 

其他閱讀

線上職訓正夯 從零開始花半年錄取軟體工程師

所有的新創業者都需要 SEO 7 個理由!

阿嬤也能coding了?2020人工智慧想對我們做什麼?

人工智慧,機器人,Python,大數據到底有什麼關係?

你家萌寵也能成為人工智慧機器人的訓練師~可能嗎?()

人工智慧不僅可以自動駕駛,現在還會打棒球?!()

人工智慧也會騎重機飆車?!頂尖車手擔憂快失業!!

迪士尼人工智慧換臉技術特效為目前業界最強?!(上)

迪士尼人工智慧換臉技術特效為目前業界最強?!(上)
迪士尼人工智慧換臉技術特效為目前業界最強?!(上)

迪士尼運用人工智慧科技提升換臉特效造福我們觀眾啦!!快一起來看看有多神奇~(上)

迪士尼近日發表其研究最新「換臉」技術,不但能透過 AI 人工智慧 自動替換照片或影片內的人臉,成像更是突破百萬畫素,研究人員並表示其技術是當前業內最高水準。

雖然目前還無法廣泛應用在電影製作中,但依然是換臉領域的又一突破,並且也逐步規劃登場好萊塢。

迪士尼於自家網頁「迪士尼研究中心 」(Disney Research)上發表一篇文章,公開了與蘇黎世聯邦理工學院(ETH Zurich)研究團隊共同研究的人臉替換技術,能透過神經網絡自動轉換包含影片、照片等圖像中的人臉面孔,解析度可達百萬畫素。

迪士尼「親上火線」研發換臉技術,自然是希望能應用在影視製作上,為觀眾帶來更逼真的畫面、更真實的視覺特效與節省後製成本。

那有望衝擊影視產業、發揮巨大效用的迪士尼換臉 AI 人工智慧 ,實際效果究竟如何呢?

人眼看不出區別 AI 人工智慧 換臉將粉墨登場大螢幕

▲Disney Research 所釋出的官方影片,實際演示 AI 人工智慧 換臉的真實效果。

迪士尼研究中心除了於網站上公開一篇達 16 頁研究報告,亦上傳一支演示影片。

影片可以看到,AI 人工智慧 將下排二位演員的唇部、眼部等局部人臉進行分析,並融合在「目標演員」的面孔上。

從動態影像可以看出融合後的臉部動作非常自然,甚至 AI 人工智慧 能即時隨著口部開閉動作融合,也不會讓觀眾感到違和或不適。研究團隊也強調,比起當前常見的靜態圖像換臉,其技術在動態影像的表現更佳。

▲ 迪士尼的換臉 AI 人工智慧 不只能換臉換得天衣無縫,甚至還有其他換臉 AI 人工智慧 沒有的高解析度。(圖片擷取自 Disney Research)

 

並且「擅於局部融合」與「高畫質解析度」這兩項特點搭配十分相得益彰,使得迪士尼的換臉 AI 人工智慧 能極大地擴展了人臉替換在電影中的實際應用。

未來有望能省去繁複的後期製作工作,交給 AI 輕鬆完成。諸如交換替身演員的臉孔、為年齡逐漸增長角色增添皺紋或是重現昔日巨星風采,迪士尼就曾在 2016 年的電影《星際大戰外傳:俠盜一號》(Rogue One: A Star Wars Story)中用特殊技術,讓飾演「塔金總督」的已故演員彼得.庫辛及飾演「莉亞公主」的嘉莉.費雪重返大螢幕。

▲ 迪士尼的換臉 AI 使用的漸進式演算法(Progressive TrAIning),可明顯看到經訓練的人臉畫素遠高於未經訓練的結果。(圖片擷取自 Disney Research)

 

雖然《俠盜一號》的換臉效果令人驚艷,但迪士尼研究人員指出由於技術尚未成熟,不但成本高昂,而且需耗費數個月的時間才能獲得幾秒鐘的成功換臉畫面。而這次研發的新技術,建構好原始模型後搭配上適宜的運算能力,AI 人工智慧 就能在數小時內製作出換臉的動態影像。

除了生動自然,更重要的是換臉後輸出的成果圖像有百萬級畫素的解析度,而局部臉孔交換在動態影片能清晰的呈現,對電影後製的重要性不言而喻。

過去換臉技術因著重在臉部替換的平滑化,對提高畫素則沒有太多重視,導致解析度過低成為過去換臉技術的硬傷,才會出現如「在手機上效果絕佳的換臉影片,投放在更大的屏幕上呈現,卻看到明顯的顆粒與其他瑕疵」的狀況。

那迪士尼研究人員是怎麼實現「百萬畫素換臉 AI 人工智慧」的呢?

 

 

本篇為上篇,下篇請點此迪士尼人工智慧換臉技術特效為目前業界最強?!(下)

更多關於人工智慧的文章請點閱下方連結!!

 

 

 

其他閱讀

線上職訓正夯 從零開始花半年錄取軟體工程師

所有的新創業者都需要 SEO 7 個理由!

阿嬤也能coding了?2020人工智慧想對我們做什麼?

人工智慧,機器人,Python,大數據到底有什麼關係?

你家萌寵也能成為人工智慧機器人的訓練師~可能嗎?()

人工智慧不僅可以自動駕駛,現在還會打棒球?!()

人工智慧也會騎重機飆車?!頂尖車手擔憂快失業!!

人工智慧也出包?(2)國會議員與罪犯傻傻分不清!!

人工智慧也出包?(2)國會議員與罪犯傻傻分不清!!
人工智慧也出包?(2)國會議員與罪犯傻傻分不清!!

人工智慧竟然也有出包的一天!!!!趕緊來看看人工智慧這次做了甚麼烏龍舉動~(2)

本篇為上篇,下篇請點此人工智慧也出包?(1)女星照片配置錯誤超烏龍!!

人工智慧臉部辨識 不易分辨有色人種

▲ 被亞馬遜「Rekognition」 臉部辨識系統錯認的 28 位國會議員

 

其實人工智慧在辨識有色人種時,似乎常常犯錯。如 2018 年,美國公民自由聯盟(American Civil Liberties Union,ACLU)就對亞馬遜提供的「Rekognition」 付費臉部辨識服務做了一項測試。

ACLU 蒐集了 25000 張嫌犯照片做為臉部辨識的資料庫,並使用預設的設定,讓 Rekognition 逐張比對國會議員和資料庫裡的嫌犯照片。結果,最後有 28 名國會議員被誤判,在誤判的議員中,有 40% 的議員是有色人種 ── 即便有色人種在全部的國會議員中只占了兩成。

▲眾議員 Sanford Bishop(D-Ga.)被 Amazon Rekognition 臉部辨識系統錯認為罪犯

 

然而,「Rekognition」 臉部辨識系統也被美國警方使用。這是否會在不知不覺中侵犯到有色人種的權益?目前亞馬遜已因此問題,暫停提供這套系統給美國政府使用。

現有的臉部辨識技術,在分辨有色人種特別容易出錯,也許是以下原因導致:

AI資料庫的白人照片比較多

美國喬治城大學法律中心(Georgetown Law School Center)的隱私與科技領域資深助理 Clare Garvie 表示,原因可能是出在工程師建立AI人工智慧的臉部辨識資料庫時,提供的白人照片比有色人種多而導致。

開發工程師以白人居多

一個研究顯示:人們在辨識另一種族的人員時,準確度會低於辨識與自己相同種族的成員。 而大部分 IT 產業的工程師以白人男性居多,他們開發出的臉部辨識系統在辨識有色人種的準確度時,無形中也比白人還差 ── 即使他們無意為之。

其時除了臉部辨識的問題,使用人工智慧來取代真人撰寫、改編新聞,本來就爭議連連:

過去英國《衛報》曾將一則關於英國脫歐的新聞中,第一段中的一些句子餵給人工智慧,結果 AI 馬上產生「可信度高」的假新聞與文章 ── 文中的人名 (如政壇人物的名字)、地名與所提到的片段事件皆為真實存在,不過新聞的內容卻是將這些真實的元素移花接木而成,但是卻符合邏輯,因此易被有心人士用來製造假新聞。(詳細報導:AI寫作能力強過人類,恐成為假新聞製造機?)

人工智慧太會捏造新聞,甚至有人懷疑之前馬斯克離開自己創立的 AI 人工智慧研究團隊「OpenAI」與此有關呢!(詳細報導:馬斯克宣布離開 OpenAI 的真正原因是…研發的 AI 太會寫假新聞?)

無論如何,人工智慧畢竟沒有靈魂,因此沒有明辨是非的能力,所以生產出的文章都會跟現實有些出入。所以最好的方法還是把新聞的編輯、審稿工作交還給人類,畢竟這世界八卦與謊言已經夠多了!我們需要真實的東西!

 

 

更多關於人工智慧的文章請點閱下方連結~

 

 

 

其他閱讀

線上職訓正夯 從零開始花半年錄取軟體工程師

Python vs R語言:哪個比較適合人工智慧/機器學習?

台灣本土開發AI 發行首張音樂專輯<<武漢肺炎>>

六個月從工地工人轉職 Java 軟體工程師,全因半年做了「對的決定」

人工智慧居然會釀酒?!還贏過真人奪得大獎!!()

台版人工智慧雅婷推出了首張完整疫情創作專輯?!

人工智慧準確測量社交距離,讓你出門在外也放心!!

人工智慧也出包?(1)女星照片配置錯誤超烏龍!!

人工智慧也出包?(1)女星照片配置錯誤超烏龍!!
人工智慧也出包?(1)女星照片配置錯誤超烏龍!!


人工智慧竟然也有出包的一天!!!!趕緊來看看人工智慧這次做了甚麼烏龍舉動~(1)

▲ 普林斯敦大學的研究團隊結合人工智慧新聞編輯混淆了英國兩位有色人種歌手:Leigh-Anne Pinnock(左)和 Jade Thirlwall(右)。
 

 

微軟用人工智慧編輯新聞!全球近百名員工飯碗不保?

日前微軟公司宣布:要讓 AI 人工智慧取代旗下近百位「真人」新聞記者與編輯,來為微軟新聞、MSN.com 等管道,挑選、編輯新聞。根據 Business Insider 報導,美國有約 59 人遭裁撤;衛報也則提到英國也有約 27 人遭裁,還有其他國家地區的辦公室,也有許多員工面臨飯碗不保的窘境。

沒想到這個AI 人工智慧才上線一個月就出包,還牽扯到近期非常敏感的種族議題,引發人們對人工智慧的編輯新聞能力、整體臉部辨識科技的疑慮。

推薦閱讀:AI寫作能力強過人類,恐成為假新聞製造機?

人工智慧錯置新聞配圖 女歌手指名「請加油吧」

根據英國《衛報》指出,微軟旗下的 MSN 新聞網站,近日轉載了英國《獨立報》有關英國流行女團 Little Mix(混合甜心)的報導,內容是關於其中一位成員 Jade Thirlwall 過去在學校中遭受種族歧視的心路歷程。

雖然這是一篇單純的採訪報導,但是經過微軟的 AI 人工智慧編輯轉載後,新聞配圖竟然不是採訪的對象 Jade Thirlwall,而是同團的另一名團員 Leigh-Anne Pinnock 與另一名男性的合照!

▲ 被人工智慧錯置配圖的新聞主角 Jade Thirlwall 在 IG 上表達對 MSN 新聞的不滿

 

AI 人工智慧造成的烏龍,引發新聞主角 Jade Thirlwall 的不滿。她在 Instagram 上標註 MSN 並抱怨說:「@MSN 如果你們要複製貼上別家正確的媒體文章時,應該要確認一下配圖是否為正確的有色人種團員」。她還補充說:「這讓我很生氣,你們竟然沒辦法從只有 4 人團體中,區分 2 個有色人種女性?請加油吧!」

目前尚不清楚讓微軟 AI 人工智慧犯下如此錯誤的原因,但微軟在新的聲明中表示:這不是「演算法偏見(註解如下)」的結果,而是自動化系統中的新功能測試。

所謂的「演算法偏見(algorithmic bias)」是指在看似沒有惡意的程式設計中,卻帶有程式設計人員的偏見、或者採用的數據是有偏見的。「演算法偏見」的結果當然帶來了各種問題:如 Google 搜尋被曲解、合格的考生無法進入醫學院就學、聊天機器人在推特 (Twitter) 上散佈種族主義和性別歧視資訊等。

 

 

本篇為上篇,下篇請點此人工智慧也出包?(2)國會議員與罪犯傻傻分不清!!

更多關於人工智慧的文章請點閱下方連結~

 

 

 

其他閱讀

線上職訓正夯 從零開始花半年錄取軟體工程師

Python vs R語言:哪個比較適合人工智慧/機器學習?

台灣本土開發AI 發行首張音樂專輯<<武漢肺炎>>

六個月從工地工人轉職 Java 軟體工程師,全因半年做了「對的決定」

人工智慧居然會釀酒?!還贏過真人奪得大獎!!()

台版人工智慧雅婷推出了首張完整疫情創作專輯?!

人工智慧準確測量社交距離,讓你出門在外也放心!!

人工智慧和汽車產業結合,從此沒有駕駛盲區?!

人工智慧和汽車產業結合,從此沒有駕駛盲區?!
人工智慧和汽車產業結合,從此沒有駕駛盲區?!

人工智慧這次要來造福汽車族啦!!還在為惱人的駕駛盲區煩惱嗎?快來看看這次的技術如何幫大家解決問題!!

普林斯敦大學的研究團隊將人工智慧與用於追踪超速駕駛的雷達結合,開發出一種系統,該系統可使車輛發現街角轉彎處隱藏的危險,如下圖所示:

▲ 普林斯敦大學的研究團隊結合人工智慧雷達,開發出可使車輛發現轉角隱藏危機的系統

 

研究人員利用常用來追蹤超速駕駛和快速直球的測速雷達,結合人工智慧技術,開發了一種自動化系統:可讓汽車在街角轉彎處監視四周環境、發現迎面而來的車輛、行人。

這個系統易於整合到汽車上,使用都卜勒雷達(註:Doppler radar,一種雷達,可利用都卜勒效應,測量物體在雷達波方向上的徑向運動速度,常用於氣象觀測與測速。)將無線電波從建築物、車體的表面反射回去。

雷達訊號會以特定的角度,照射到物體表面後反射回去,就像是撞球的白色母球撞擊到球台壁後反彈回去一樣。雷達訊號會持續照射藏在街角轉彎處的物體,然後反射回來的訊號會被車上安裝的探測器偵測到,使系統能看到轉角的物體,並且判斷它是在移動還是靜止。

「這將使汽車偵測到今日許多光學雷達 (lidar) 與相機的感光元件無法記錄到的被遮蔽物,例如,讓一台自駕車在十字路口上環顧四周的危險物體,」普林斯頓大學的電腦科學助理教授、也是此次研究人員之一的 Felix Heide 說:「雷達感應器的成本也相對較低,尤其是與光學感應器相比,而且也可以量產。」

研究人員在 6 月 16 日的電腦視覺與模式識別(CVPR)會議上發表了一篇論文,提到這個系統如何分辨汽車、自行車以及行人,並判斷他們的方向以及迎面而來的速度:「我們提出的方法能在現實世界的自駕情境中,在視線感應器偵測到他們以先,就為行人以及騎自行車的人預先發出碰撞警示。 」

近年來工程師們已開發出許多能讓車子偵測到路上異物的感應系統,但其中有許多都是靠著光學雷達、可見光或是近紅外光的相機,這種防止碰撞的感應器在現代的汽車中很常見。但是光學感應很難發現到汽車視線之外的物體。在早些的研究中,Heide 的研究團隊曾使用光照來看見藏在角落的物體,但卻很難應用到汽車上,因為需要高功率的雷射且僅限於近距離使用。

 

 

近年來工程師們已開發出許多能讓車子偵測到路上異物的感應系統,但其中有許多都是靠著光學雷達、可見光或是近紅外光的相機,這種防止碰撞的感應器在現代的汽車中很常見。但是光學感應很難發現到汽車視線之外的物體。在早些的研究中,Heide 的研究團隊曾使用光照來看見藏在角落的物體,但卻很難應用到汽車上,因為需要高功率的雷射且僅限於近距離使用。

在過去的研究中,Heide 及團隊人員想知道是否有可能創建一個系統,使用成像雷達而不是可見光,來檢測汽車事件之外的危險。對於雷達系統,在平滑表面上所耗損的信號是少得多了,且雷達是被證實可以用來追蹤物體的科技。他們所面臨的挑戰是,當雷達用於拍攝轉角處的汽車與自行車等物體時,其空間分辨率相對較低。然而,團隊相信他們可以開發出演算法來解譯雷達數據,以讓感測器發揮功效。

「我們開發的演算法很有效、並適合當代的汽車硬體系統」Heidi 說:「所以你可能會看到這項科技出現在下一代的汽車上。」

為了讓這個系統能分辨物體,Heide 的團隊處理了部分雷達信號,亦即能將背景噪音視為非可用信息的一般雷達。團隊應用了人工智慧技術來優化處理程序以及讀取影像。論文作者之一的 Fangyin Wei 表示:運行該系統的電腦,必須學會從非常少量的數據中,識別出騎自行車的人和行人。

她說:「首先,我們必須要偵測是否有物體。如果有的話,那他是否重要?是否為騎單車的人或是行人?接下來,我們就要將其定位出來。」 Wei 還表示:該系統目前能夠檢測到行人和騎自行車的人,工程師們都認為他們是最具有挑戰性的物體。因為他們的尺寸小、形狀不一、動作多樣。當然,該系統也能偵測到汽車。

Heidi 說,研究人員計劃在雷達和信號處理改善等多種應用上,進行研究。他說這個系統擁有完全改善汽車安全的潛力,且它是靠著現有的雷達傳感器技術就可做到,因此下一代汽車可望能部署雷達系統。

「這肯定會經歷到非常嚴峻的汽車開發週期」他說:「就整合與推向市場而言,它需要大量的工程與設計。但是技術已經就緒,因此我們可能很快就會在汽車上見到這樣的景況。」

推薦閱讀:AI 自駕車不只有特斯拉!9 個人工智慧帶來的汽車產業革新

 

 

更多關於人工智慧的文章請點閱下方連結喔!!

 

 

 

其他閱讀

線上職訓正夯 從零開始花半年錄取軟體工程師

Python vs R語言:哪個比較適合人工智慧/機器學習?

台灣本土開發AI 發行首張音樂專輯<<武漢肺炎>>

六個月從工地工人轉職 Java 軟體工程師,全因半年做了「對的決定」

人工智慧居然會釀酒?!還贏過真人奪得大獎!!()

台版人工智慧雅婷推出了首張完整疫情創作專輯?!

人工智慧準確測量社交距離,讓你出門在外也放心!!

人工智慧技術再一發!!地表最強解馬賽克技術就在這!!

人工智慧技術再一發!!地表最強解馬賽克技術就在這!!
人工智慧技術再一發!!地表最強解馬賽克技術就在這!!


人工智慧無所不能!!現在還會解馬賽克!?對此有興趣的同學千萬不要錯過今天的文章!!

▲ AI 技術 「PULSE」 可將模糊的馬賽克照片轉換成看起來像真人的高解析度肖像。 該系統能自動將任何圖像解析度提高到64倍,並模擬毛孔、睫毛位置與形狀等在原圖無法辨識的細節。
 

人工智慧用於「有碼變無碼」方面已有相當多的研究成果,例如之前 Google Brain 發表了透過機器學習消除馬賽克、提高像素的技術。而最近,AI 去除馬賽克的技術又有了新的突破!

近日杜克大學的研究人員開發了一種 AI 影像還原工具,可將模糊到無法辨識的人像轉化為令人信服的高清圖片,而解析度與細節的表現可說是史上最強!

以往的技術,可將圖像的解析度提高至八倍。但是杜克大學的研究團隊想出了一種人工智慧的解決方法:只需要少少像素的模糊照片,就能創造出解析度高達 64 倍逼真的高清肖像,原圖看不到的細紋、睫毛以及鬍渣等細節都一覽無遺!

「過去從未能在這樣的解析度(指原圖的低解析度)上,生成如此高清、如此多細節的圖片!」此次研究團隊的領導人──杜克大學的電腦科學家 Cynthia Rudin 說。

不過這個系統仍然無法用做人物辨識,研究團隊說:它無法將監視器拍到的失焦或是無法識別的照片變成真實、清晰的圖像。相反地,它可以生成不存在、但看起來真實的新面孔。

「研究員們專注於將這些面孔作為新的概念,但理論上,該技術可在拍攝幾乎所有物體的低解析度照片後,製作出清晰逼真的圖像。應用範圍涵蓋醫學,顯微鏡,天文學和衛星圖像。」 研究團隊的 Sachit Menon 說。

▲ 人工智慧「PULSE」能還原眼、口、鼻等部位都難以辨識的馬賽克圖片,並將原圖的解析度拉高至 60 倍!

 

傳統的影像修復方式為擷取低解析度的圖像後,將它與電腦之前看到的高解析度圖像的對應像素,試著撮合、匹配、平均化,藉此來補足像素。

這種「平均化」的結果是,頭髮和皮膚中的紋理區域可能無法從一個像素到另一個像素完美對齊,最終看起來模糊且朦朧。

杜克大學的團隊就不使用這種「在低解析度的照片上慢慢加新的細節」的方式。他們研發的系統 「PULSE」 會在人工智慧生成的高解析度率臉孔範例中,盡可能找到最像的──在範例臉孔縮放到相同尺寸時,看起來像輸入的原圖的人臉。

團隊使用一種機器學習的工具「生成對抗網絡(英語:Generative Adversarial Network,簡稱GAN)」,方法是使用相同的照片組訓練兩條神經網路。其中一條神經網路產生了人工智慧創建的人臉──其外觀是模擬訓練照片上的臉孔;而另一條網絡則用於判斷第一條生成的結果,是真實的人像還是虛擬人物。第一條網路不斷生成人臉,直到越來越逼真,以至於第二條誤認成是真實的人像為止。

PULSE 可將模糊不清、充滿雜訊或是馬賽克化的圖片,生成高擬真的照片。從一張模糊的肖像中,它可以生成許多令人難以置信、栩栩如生的照片,每張照片都不一樣,都是 PULSE 判斷模糊照片中的人物可能的真實樣貌。

即使是給眼睛與嘴巴幾乎看不到的馬賽克照片,「我們的演算法仍然可以用它來生成一些照片,而這是傳統方法無法做到的。」團隊中的 Alex Damian 說。

▲ PULSE 的 5 位研發成員將自己的照片「馬賽克化」後,「餵」給 PULSE 來還原照片。雖然 PULSE 合成的高清肖像與原本的有點出路,但是相似度已比過往的解碼方法還高,解析度更是高出許多。

 

該系統能在短短幾秒內,將 16×16 像素的肖像轉換成 1024 x 1024 像素,增加了超過一百萬的像素,幾乎等同於 HD (High Definition) 高畫質的解析水準。諸如像是毛孔、皺紋、髮絲等低解析照片無法察覺的細節,都在人工智慧生成的照片中,變得銳利清晰。

研究團隊還請了 40 個人,對經由 PULSE 以及其他四種方法 (LR、BICUBIC、FSRNET、FSRGAN) 生成的 1440 張圖像,進行 1 到 5 的評分。結果是由 PULSE 生成的照片分數最高,得到了「幾乎與真人的高解析度照片一樣」的評價。

你也可以上載你的圖像,看看會被 PULSE 生成哪些驚人的結果:http://pulse.cs.duke.edu/.

 

 

更多人工智慧相關文章請點閱下方連結~

 

 

 

其他閱讀

線上職訓正夯 從零開始花半年錄取軟體工程師

Python vs R語言:哪個比較適合人工智慧/機器學習?

台灣本土開發AI 發行首張音樂專輯<<武漢肺炎>>

六個月從工地工人轉職 Java 軟體工程師,全因半年做了「對的決定」

人工智慧居然會釀酒?!還贏過真人奪得大獎!!()

台版人工智慧雅婷推出了首張完整疫情創作專輯?!

人工智慧準確測量社交距離,讓你出門在外也放心!!