Neural Network aprende a envejecer rostros sintéticamente y también a hacer que se vean más jóvenes

La forma en que envejecemos es profundamente fascinante. De hecho, saber cómo se verá nuestra cara dentro de 20, 30 o 40 años es un truco que muchos encontrarían cautivador.





Existen varias técnicas que pueden hacer esto. Pero requieren mucho tiempo y, por lo tanto, son costosos. Así que una forma económica y rápida de envejecer rostros en fotografías sería un truco útil.

Entra Grigory Antipov de Orange Labs en Francia y un par de amigos que han desarrollado una máquina de aprendizaje profundo que puede hacer el trabajo con facilidad. Su sistema no solo puede hacer que las caras jóvenes se vean más viejas, sino que también puede hacer que las caras más viejas se vean más jóvenes.

Un par de desarrollos recientes han facilitado su tarea. En los últimos años, los científicos informáticos han construido máquinas de aprendizaje profundo que pueden modificar rostros de varias formas diferentes pero realistas. Este enfoque puede crear caras sintéticas realistas que parecen más antiguas.



Sin embargo, hay un problema. Al hacer que las caras se vean más viejas, estas máquinas de aprendizaje profundo a menudo pierden la identidad de la persona en el proceso. Entonces el individuo parece mayor pero ya no puede ser identificado.

Antipov y compañía han ideado una forma de resolver ese problema. Su enfoque involucra dos máquinas de aprendizaje profundo que trabajan juntas: un generador de rostros y un discriminador de rostros. Ambas máquinas aprenden cómo se ven las caras a medida que envejecen analizando fotografías de personas en los grupos de edad de 0 a 18, 19 a 29, 30 a 39, 40 a 49, 50 a 59 y más de 60 años.

En total, las máquinas fueron entrenadas en 5000 rostros en cada grupo tomados de Internet Movie Database y de Wikipedia y luego etiquetados con la edad de la persona. De esta forma, la máquina aprende la firma característica de los rostros en cada grupo de edad. Es esta firma abstracta la que el generador de rostros puede aplicar a otros rostros para que parezcan de la misma edad.



Sin embargo, aplicar esta firma a veces puede causar la pérdida de la identidad de una persona. Entonces, la segunda máquina de aprendizaje profundo, el discriminador de rostros, mira el rostro envejecido sintéticamente para ver si aún se puede elegir la identidad original. Si no puede, la imagen es rechazada.

Antipov y compañía llaman a su proceso Red adversaria generativa condicional de edad: adversario porque las máquinas de aprendizaje profundo funcionan en oposición.

Los resultados son una lectura impresionante. El equipo aplicó la técnica a 10 000 rostros de la base de datos de IMDB-Wikipedia que no habían usado para el entrenamiento. Luego probaron las imágenes de antes y después usando un software llamado OpenFace que puede decir si dos imágenes muestran a la misma persona o no. Esto detectó la misma cara más del 80 por ciento de las veces, en comparación con aproximadamente el 50 por ciento de las veces para otras técnicas de envejecimiento facial.



Y, por supuesto, la técnica no solo envejece rostros jóvenes, sino que también crea versiones más jóvenes de rostros mayores.

Hay una prueba obvia que el equipo no ha hecho. Presumiblemente, es posible comparar caras que se han rejuvenecido sintéticamente con imágenes de la misma cara tomadas cuando el individuo era realmente más joven. Esa sería una buena prueba de cuán precisa es la técnica y quizás una tarea para el futuro.

Antipov y compañía dicen que su técnica podría usarse en aplicaciones como ayudar a identificar a personas que han estado desaparecidas durante muchos años. También podría ser muy divertido jugar con él, en caso de que decidan hacer público su algoritmo.



Ref: arxiv.org/abs/1702.01983 : Enfrente el envejecimiento con redes adversarias generativas condicionales

esconder