211service.com
ニューラルネットワークは、顔を合成的に老化させ、顔を若く見せることを学びます
私たちの老化の仕方はとても魅力的です。実際、20年、30年、または40年後に私たちの顔がどのように見えるかを知ることは、多くの人が魅了するトリックです。
これを行うことができる多くの技術が存在します。しかし、それらは時間がかかり、したがって高価です。したがって、写真で顔をエイジングするための安価で迅速な方法は、便利なトリックになります。
フランスのOrangeLabsからGrigoryAntipovに参加し、簡単に仕事をこなせる深層学習マシンを開発した2人の仲間に参加してください。彼らのシステムは若い顔を古く見せることができるだけでなく、古い顔を若く見せることもできます。
最近のいくつかの開発により、タスクが簡単になりました。近年、コンピューターサイエンティストは、さまざまな異なるが現実的な方法で顔を変更できる深層学習マシンを構築しました。このアプローチにより、古く見えるリアルな合成面を作成できます。
ただし、問題があります。顔を古く見せるために、これらの深層学習マシンは、その過程で人のアイデンティティを失うことがよくあります。そのため、個人は年をとっているように見えますが、識別できなくなります。
Antipovと共同研究者は、その問題を解決する方法を考え出しました。彼らのアプローチには、顔ジェネレーターと顔弁別器という、連携して動作する2つの深層学習マシンが含まれます。どちらのマシンも、0〜18歳、19〜29歳、30〜39歳、40〜49歳、50〜59歳、60歳以上の年齢層の人々の写真を分析することにより、年齢を重ねるにつれて顔がどのように見えるかを学習します。
合計で、マシンは、インターネットムービーデータベースとウィキペディアから取得され、その人の年齢でラベル付けされた、各グループの5,000の顔でトレーニングされました。このようにして、マシンは各年齢層の顔の特徴的な署名を学習します。顔ジェネレーターが他の顔に適用して同じ年齢に見えるようにすることができるのは、この抽象的な署名です。
ただし、この署名を適用すると、個人のIDが失われる場合があります。そのため、2番目の深層学習マシンである顔識別機は、合成的に老化した顔を見て、元のアイデンティティをまだ選択できるかどうかを確認します。できない場合、画像は拒否されます。
Antipovと共同研究者は、彼らのプロセスをAge Conditional Generative Adversarial Networkと呼んでいます。これは、深層学習マシンが反対に機能するため、敵対的です。
結果は印象的な読書になります。チームは、トレーニングに使用していなかったIMDB-Wikipediaデータベースの10,000人の顔にこの手法を適用しました。次に、2つの画像が同じ人物を示しているかどうかを判断できるOpenFaceと呼ばれるソフトウェアを使用して、前後の画像をテストしました。これは、他の顔の老化技術の約50％の時間と比較して、80％以上の時間で同じ顔を発見しました。
そしてもちろん、このテクニックは若い顔を老化させるだけでなく、古い顔の若いバージョンも作成します。
チームが行っていない明らかなテストがあります。おそらく、総合的に若くした顔を、個人が実際に若かったときに撮った同じ顔の写真と比較することは可能です。それは、テクニックがどれほど正確であるか、そしておそらく将来の課題の良いテストになるでしょう。
Antipovと共同研究者は、彼らの技術は、長年行方不明になっている人々を特定するのに役立つなどのアプリケーションで使用できると述べています。彼らがアルゴリズムを公開することを選択した場合、遊ぶのもとても楽しいかもしれません。
参照： arxiv.org/abs/1702.01983 ：条件付き生成的敵対的ネットワークによる顔の老化