211service.com
Neural Network leert gezichten synthetisch te verouderen en ze er ook jonger uit te laten zien
De manier waarop we ouder worden is diep fascinerend. Weten hoe ons gezicht er over 20, 30 of 40 jaar uit zal zien, is inderdaad een truc die velen boeiend zouden vinden.
Er bestaan een aantal technieken die dit kunnen doen. Maar ze zijn tijdrovend en dus duur. Dus een goedkope en snelle manier om gezichten op foto's te verouderen zou een handige truc zijn.
Ga naar Grigory Antipov van Orange Labs in Frankrijk en een paar vrienden die een diepgaande leermachine hebben ontwikkeld die het werk met gemak kan doen. Niet alleen kan hun systeem ervoor zorgen dat jonge gezichten er ouder uitzien, het kan oudere gezichten er ook jonger uit laten zien.
Een aantal recente ontwikkelingen hebben hun taak gemakkelijker gemaakt. In de afgelopen jaren hebben computerwetenschappers dieplerende machines gebouwd die gezichten op verschillende, maar realistische manieren kunnen aanpassen. Deze aanpak kan realistische synthetische gezichten creëren die er ouder uitzien.
Er is echter een probleem. Door gezichten er ouder uit te laten zien, verliezen deze dieplerende machines daarbij vaak de identiteit van de persoon. Het individu ziet er dus ouder uit, maar is niet meer te identificeren.
Antipov en co hebben een manier bedacht om dat probleem op te lossen. Hun aanpak omvat twee dieplerende machines die samenwerken: een gezichtsgenerator en een gezichtsdiscriminator. Beide machines leren hoe gezichten eruitzien naarmate ze ouder worden door foto's te analyseren van mensen in de leeftijdsgroepen 0-18, 19-29, 30-39, 40-49, 50-59 en 60+ jaar oud.
In totaal werden de machines getraind op 5.000 gezichten in elke groep, afkomstig van de Internet Movie Database en van Wikipedia, en vervolgens gelabeld met de leeftijd van de persoon. Op deze manier leert de machine de karakteristieke handtekening van gezichten in elke leeftijdsgroep. Het is deze abstracte handtekening die de gezichtsgenerator vervolgens op andere gezichten kan toepassen om ze er even oud uit te laten zien.
Het aanbrengen van deze handtekening kan er echter soms toe leiden dat iemands identiteit verloren gaat. Dus de tweede dieplerende machine - de gezichtsdiscriminator - kijkt naar het synthetisch verouderde gezicht om te zien of de oorspronkelijke identiteit nog kan worden uitgezocht. Als dit niet kan, wordt de afbeelding afgewezen.
Antipov en co noemen hun proces Age Conditional Generative Adversarial Network - vijandig omdat de deep-learning machines in oppositie werken.
De resultaten zorgen voor indrukwekkende lectuur. Het team paste de techniek toe op 10.000 gezichten uit de IMDB-Wikipedia-database die ze niet voor training hadden gebruikt. Vervolgens testten ze de voor- en na-afbeeldingen met behulp van software genaamd OpenFace, die kan zien of twee afbeeldingen dezelfde persoon tonen of niet. Dit zag hetzelfde gezicht meer dan 80 procent van de tijd, vergeleken met ongeveer 50 procent van de tijd voor andere gezichtsverouderingstechnieken.
En natuurlijk veroudert de techniek niet alleen jonge gezichten, maar creëert het ook jongere versies van oudere gezichten.
Er is een duidelijke test die het team niet heeft gedaan. Vermoedelijk is het mogelijk om gezichten die synthetisch jonger zijn gemaakt te vergelijken met foto's van hetzelfde gezicht die zijn gemaakt toen het individu eigenlijk jonger was. Dat zou een goede test zijn van hoe nauwkeurig de techniek is en misschien een taak voor de toekomst.
Antipov en co zeggen dat hun techniek kan worden gebruikt in toepassingen zoals het helpen identificeren van mensen die al jaren worden vermist. Het kan ook heel leuk zijn om mee te spelen, mochten ze ervoor kiezen om hun algoritme openbaar te maken.
Referentie: arxiv.org/abs/1702.01983 : Veroudering onder ogen zien met voorwaardelijke generatieve vijandige netwerken