摘要：年后的你长什么样北京航空航天大学和密歇根州立大学的研究人员设计了一个系统，采用生成对抗网络，可以根据原始照片生成一个人年龄增长后的样子，甚至连发际线逐渐后移也能逼真地模拟。
20年后的你长什么样？北京航空航天大学和密歇根州立大学的研究人员设计了一个AI系统，采用生成对抗网络（GAN），可以根据原始照片生成一个人年龄增长后的样子，甚至连发际线逐渐后移也能逼真地模拟。论文发表在CVPR 2018。
论文：https://arxiv.org/pdf/1711.10352.pdf
警方要搜寻一个失踪多年的人或逃犯时，有时候线索只有一张旧照片。艺术家或计算机程序可以尝试根据旧照片推测这些人今天的样子，但这两种方法都有缺陷。现在，科学家们已经能够利用AI来渲染照片中的人年老后的样子，其结果比以往的方法更加逼真。
来自北京航空航天大学和密歇根州立大学的研究人员设计了这样一个系统。该系统采用一种由两个部分组成的算法，即生成对抗网络（GAN）。第一部分以一张脸的照片作为输入，并生成目标年龄的同一个人年龄增长后的脸。在训练过程中，第二部分将生成的图像与该年龄的人的真实图像和原始图像进行对比，并提供反馈，以令第一部分改进生成图像的效果。
图1：年龄增长（ageing）的模拟结果（第1列是输入的图像）。
其他这类系统也有使用GAN的， 但这个系统的不同之处在于它不仅关注年龄的正确性，还关注保持特定人的身份。与其他系统不同的是，它还能渲染前额和发际线逐渐升高的样子，如上图演示的结果。
图2：提出的年龄增长方法的框架。
在这个框架中，一个基于CNN的生成器G学习年龄变化（age transformation）。训练中的critic在图像空间加入平方欧几里得损失，GAN loss鼓励生成的人脸与训练中相应年龄的老年人的脸无法区分，以及 identity preservation loss使高级特征表示的输入输出距离最小化。
这个研究的主要贡献如下：
提出了一种新的基于GAN的年龄发展方法，该方法结合了人脸验证和年龄估计技术，从而解决了衰老效果生成和身份线索保存的问题。
强调了前额和头发的重要性，这与我们认知的年龄增长现象密切相关，但在其他研究中被忽略了；这确实提高了所生成的衰老照片的精度。
除了现有的实验外，研究者还设置了新的验证实验，包括基于商业化的面部分析工具的评估以及对表情、姿势和化妆变化的不敏感性评估。该方法不仅被证明有效，而且对于年龄增长也具有稳健性。
24个不同的受试者在CACD数据库上获得的老化效果（Aging effects）。每个部分的第一个图像是原始的人脸图像，随后的3个图像是该受试者在[31- 40]、[41-50]和50+年龄组的变老图像。
图：24个不不同的受试者在MORPH数据库获得的老化效果。
研究人员在来自两个数据库的10万张图像上训练了他们的AI，这些数据库中包括不同年龄的警方存档的面部照片和名人照片。然后，研究者用一个独立的计算机程序判断AI在一组新图像上的表现。举例来说，当AI将人的照片老化20年以上时，原本30岁以下的人看起来应该在50岁至60岁之间，计算机程序将他们（平均）视为60岁（面部照片）或52岁（名人照片）。
图：与先前工作的对比
在进一步的统计调查中，研究人员从已发表的论文中收集了54个人的138张配对的照片，并邀请10位人类观察者来评估哪张年龄增长的脸更好。在1380票中，69.78%投给了我们的工作，20.80%投给了以前的工作，9.42%表示两者不分上下。此外，该方法不需要像以前的工作那样进行繁琐的预处理，只需要两个标志点用于瞳孔对齐。总而言之，研究者称他们提出的方法优于以前的方法。
相关论文发表在本月的CVPR 2018会议上。
欢迎加入本站公开兴趣群商业智能与数据分析群
兴趣范围包括各种让数据产生价值的办法，实际应用案例分享与讨论，分析工具，ETL工具，数据仓库，数据挖掘工具，报表系统等全方位知识
QQ群：81035754
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/4799.html
摘要：通过生成高质量的行人图像，将其与行人重识别模型融合，同时提升行人生成的质量和行人重识别的精度。若使用这些低质量的行人生成图像来训练行人重识别模型，会引入与原始数据集之间的差异。首次提出了利用生成的图像辅助行人重识别的特征学习。 前几天英伟达开源了DG-Net的源码。让我们来回顾一下这篇CVPR19 Oral的论文。 论文是英伟达(NVIDIA), 悉尼科技大学(UTS), 澳大利亚国立...
摘要：元旦假期即将来临，我们精心准备了这本阿里巴巴机器智能计算机视觉技术精选，收录了顶级会议阿里论文，送给计划在假期充电的同学们，也希望能和更多学术界工业界同仁一起探讨交流。 当下计算机视觉技术无疑是AI浪潮中最火热的议题之一。视觉技术的渗透，既可以对传统商业进行改造使之看到新的商业机会，还可以创造全新的商业需求和市场。无论在电商、安防、娱乐，还是在工业、医疗、自动驾驶领域，计算机视觉技术都...
摘要：但年在机器学习的较高级大会上，苹果团队的负责人宣布，公司已经允许自己的研发人员对外公布论文成果。苹果第一篇论文一经投放，便在年月日，斩获较佳论文。这项技术由的和开发，使用了生成对抗网络的机器学习方法。 GANs「对抗生成网络之父」Ian Goodfellow 在 ICCV 2017 上的 tutorial 演讲是聊他的代表作生成对抗网络（GAN/Generative Adversarial ...
摘要：所以，我们美团外卖技术团队尝试结合技术，来协助设计师避免这种低收益高重复的任务，同时低成本高效率高质量地完成海报图片的生成。图封面配色布局设计在设计领域的一些子问题上，可以用算法来挖掘出数据背后的规律如图所示。 背景 在视觉设计领域中，设计师们往往会因为一些简单需求付出相当多的时间，比如修改文案内容，设计简单的海报版式，针对不同机型、展位的多尺寸拓展等。这些工作需要耗费大量的时间、人力...
摘要：在过去几年中，深度学习改变了整个人工智能的发展。在本文中，我将介绍年深度学习的一些主要进展，与年深度学习进展版本一样，我没有办法进行详尽的审查。最后的想法与去年的情况一样，年深度学习技术的使用持续增加。 在过去几年中，深度学习改变了整个人工智能的发展。深度学习技术已经开始在医疗保健，金融，人力资源，零售，地震检测和自动驾驶汽车等领域的应用程序中出现。至于现有的成果表现也一直在稳步提高。在学术...
阅读 3468·2021-09-07 10:19
阅读 3482·2021-09-03 10:42
阅读 3453·2021-09-03 10:28
阅读 2441·2019-08-29 14:11
阅读 705·2019-08-29 13:54
阅读 1487·2019-08-29 12:14
阅读 314·2019-08-26 12:12
阅读 3473·2019-08-26 10:45
