211service.com
La rete neurale impara a invecchiare sinteticamente i volti e anche a farli sembrare più giovani
Il modo in cui invecchiamo è profondamente affascinante. In effetti, sapere come appariranno i nostri volti tra 20, 30 o 40 anni è un trucco che molti troverebbero accattivante.
Esistono numerose tecniche che possono farlo. Ma richiedono molto tempo e quindi sono costosi. Quindi un modo economico e veloce per invecchiare i volti nelle fotografie sarebbe un trucco pratico.
Entrano Grigory Antipov di Orange Labs in Francia e un paio di amici che hanno sviluppato una macchina per l'apprendimento profondo in grado di svolgere il lavoro con facilità. Il loro sistema non solo può far sembrare più vecchi i volti giovani, ma può anche far sembrare più giovani i volti più anziani.
Un paio di recenti sviluppi hanno facilitato il loro compito. Negli ultimi anni, gli informatici hanno costruito macchine di deep learning in grado di modificare i volti in vari modi diversi ma realistici. Questo approccio può creare facce sintetiche realistiche che sembrano più vecchie.
Tuttavia, c'è un problema. Nel far sembrare i volti più vecchi, queste macchine di deep learning spesso perdono l'identità della persona nel processo. Quindi l'individuo sembra più vecchio ma non può più essere identificato.
Antipov e co hanno escogitato un modo per risolvere questo problema. Il loro approccio prevede due macchine di deep learning che lavorano insieme: un generatore di volti e un discriminatore di volti. Entrambe le macchine imparano che aspetto hanno i volti mentre invecchiano analizzando fotografie di persone di età compresa tra 0-18, 19-29, 30-39, 40-49, 50-59 e 60+ anni.
In totale, le macchine sono state addestrate su 5.000 volti in ogni gruppo presi dall'Internet Movie Database e da Wikipedia e poi etichettati con l'età della persona. In questo modo, la macchina apprende la firma caratteristica dei volti in ogni fascia di età. È questa firma astratta che il generatore di volti può quindi applicare ad altri volti per farli sembrare della stessa età.
Tuttavia, l'applicazione di questa firma a volte può causare la perdita dell'identità di una persona. Quindi la seconda macchina di deep learning, il discriminatore di volti, esamina il viso sinteticamente invecchiato per vedere se l'identità originale può ancora essere individuata. In caso contrario, l'immagine viene rifiutata.
Antipov e co chiamano il loro processo Age Conditional Generative Adversarial Network: contraddittorio perché le macchine di deep learning lavorano in opposizione.
I risultati creano una lettura impressionante. Il team ha applicato la tecnica a 10.000 volti dal database IMDB-Wikipedia che non avevano utilizzato per l'allenamento. Hanno quindi testato le immagini prima e dopo utilizzando un software chiamato OpenFace che può dire se due immagini mostrano la stessa persona o meno. Questo ha individuato la stessa faccia più dell'80% delle volte, rispetto a circa il 50% delle volte per altre tecniche di invecchiamento del viso.
E, naturalmente, la tecnica non solo invecchia i volti giovani, ma crea anche versioni più giovani di volti più vecchi.
C'è un test ovvio che la squadra non ha fatto. Presumibilmente, è possibile confrontare i volti che sono stati resi più giovani sinteticamente con le immagini dello stesso viso scattate quando l'individuo era effettivamente più giovane. Sarebbe un buon test di quanto sia accurata la tecnica e forse un compito per il futuro.
Antipov e colleghi affermano che la loro tecnica potrebbe essere utilizzata in applicazioni come aiutare a identificare le persone scomparse da molti anni. Potrebbe anche essere molto divertente giocarci, se dovessero scegliere di rendere pubblico il loro algoritmo.
Rif: arxiv.org/abs/1702.01983 : Affrontare l'invecchiamento con reti contraddittorie generative condizionali