211service.com
Neuralt nätverk lär sig att syntetiskt åldra ansikten och få dem att se yngre ut också
Sättet vi åldras på är djupt fascinerande. Faktum är att veta hur våra ansikten kommer att se ut om 20, 30 eller 40 år är ett trick som många skulle tycka är fängslande.
Det finns ett antal tekniker som kan göra detta. Men de är tidskrävande och därför dyra. Så ett billigt och snabbt sätt att åldra ansikten på fotografier skulle vara ett praktiskt knep.
Gå in i Grigory Antipov från Orange Labs i Frankrike och ett par kompisar som har utvecklat en djupinlärningsmaskin som kan göra jobbet med lätthet. Inte bara kan deras system få unga ansikten att se äldre ut, det kan få äldre ansikten att se yngre ut.
Ett par senaste utvecklingar har gjort deras uppgift lättare. Under de senaste åren har datavetare byggt maskiner för djupinlärning som kan modifiera ansikten på olika men realistiska sätt. Detta tillvägagångssätt kan skapa realistiska syntetiska ansikten som ser äldre ut.
Det finns dock ett problem. Genom att få ansikten att se äldre ut, förlorar dessa djupinlärningsmaskiner ofta personens identitet i processen. Så individen ser äldre ut men kan inte längre identifieras.
Antipov och co har kommit på ett sätt att lösa det problemet. Deras tillvägagångssätt involverar två maskiner för djupinlärning som arbetar tillsammans – en ansiktsgenerator och en ansiktsdiskriminator. Båda maskinerna lär sig hur ansikten ser ut när de åldras genom att analysera fotografier av personer i åldersgrupperna 0-18, 19-29, 30-39, 40-49, 50-59 och 60+ år.
Totalt tränades maskinerna på 5 000 ansikten i varje grupp hämtade från Internet Movie Database och från Wikipedia och märktes sedan med personens ålder. På så sätt lär sig maskinen den karakteristiska signaturen för ansikten i varje åldersgrupp. Det är denna abstrakta signatur som ansiktsgeneratorn sedan kan applicera på andra ansikten för att få dem att se lika gamla ut.
Men att använda denna signatur kan ibland leda till att en persons identitet går förlorad. Så den andra djupinlärningsmaskinen – ansiktsdiskriminatorn – tittar på det syntetiskt åldrade ansiktet för att se om den ursprungliga identiteten fortfarande kan plockas fram. Om det inte går, avvisas bilden.
Antipov och co kallar sin process Age Conditional Generative Adversarial Network – motstridig eftersom djupinlärningsmaskinerna arbetar i opposition.
Resultaten ger en imponerande läsning. Teamet tillämpade tekniken på 10 000 ansikten från databasen IMDB-Wikipedia som de inte hade använt för träning. De testade sedan före- och efterbilderna med programvara som heter OpenFace som kan avgöra om två bilder visar samma person eller inte. Detta såg samma ansikte mer än 80 procent av gångerna, jämfört med cirka 50 procent av gångerna för andra ansiktsåldringstekniker.
Och, naturligtvis, åldrar tekniken inte bara unga ansikten utan skapar också yngre versioner av äldre ansikten.
Det finns ett uppenbart test laget inte har gjort. Förmodligen är det möjligt att jämföra ansikten som har gjorts yngre syntetiskt med bilder av samma ansikte tagna när individen faktiskt var yngre. Det skulle vara ett bra test på hur exakt tekniken är och kanske en uppgift för framtiden.
Antipov och co säger att deras teknik kan användas i applikationer som att hjälpa till att identifiera personer som har varit försvunna i många år. Det kan också vara väldigt roligt att leka med om de väljer att göra sin algoritm offentlig.
Ref: arxiv.org/abs/1702.01983 : Ansiktsåldring med villkorliga generativa motståndsnätverk