Identity-Preserving Aging and De-Aging of Faces in the StyleGAN Latent Space
Dieses Paper schlägt eine Methode zur identitätswahrenden Alterung und Verjüngung von Gesichtern vor, indem Alterungsrichtungen innerhalb des StyleGAN2-Latent-Raums mittels Support-Vector-Modellierung und Merkmalsauswahl modelliert werden, was die Generierung eines neuen synthetischen Datensatzes für das Benchmarking von Alterserkennungs- und Altersverifizierungssystemen ermöglicht.
Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Stellen Sie sich eine Welt vor, in der Ihr digitales Foto Sie augenblicklich als Kleinkind, Teenager oder weisen Älteren zeigen kann, während Ihr Gesicht dabei unverkennbar Ihr eigenes bleibt. Dies ist nicht nur ein Zaubertrick für soziale Medien; es ist ein ernsthaftes Werkzeug, das von Detektiven eingesetzt wird, um vermisste Kinder zu finden, von Sicherheitsexperten, um zu testen, wie gut ID-Systeme funktionieren, und von Filmemachern, um Geschichten über die Zeit hinweg zu erzählen. Um dies zu ermöglichen, nutzen Wissenschaftler etwas, das man „Generative KI“ nennt, speziell einen Typ von Modell, der als GAN (Generative Adversarial Network) bekannt ist. Stellen Sie sich ein GAN wie einen superintelligenten Künstler vor, der Millionen von Gesichtern auswendig gelernt hat. In dem Gehirn dieses Künstlers befindet sich ein verborgener „Kontrollraum“, der sogenannte Latent Space. Wenn Sie in diesem Raum einen Schieberegler bewegen, verändert der Künstler die Haarfarbe oder das Lächeln eines Gesichts. Aber den Schieberegler zu bewegen, um das Alter einer Person zu verändern, ist knifflig. Wenn man ihn zu stark drückt, könnte sich das Gesicht in eine völlig andere Person verwandeln und die Identität verlieren, wie ein Chamäleon, das zu schnell die Farben wechselt. Die meisten aktuellen Methoden versuchen, dem Künstler für jede einzelne Altersgruppe neue Regeln beizubringen, was so ist, als würde man einen Maler zwingen, für jedes Jahrzehnt des Lebens eine neue Sprache zu lernen. Das ist langsam, teuer und führt oft zu Gesichtern, die künstlich oder unerkennbar wirken.
Dieses Paper stellt eine clevere Abkürzung vor, die es ermöglicht, ein Gesicht altern zu lassen oder zu verjüngen, ohne den Künstler überhaupt neu trainieren zu müssen. Die Forscher Luis S. Luevano, Pavel Korshunov und Sébastien Marcel entdeckten einen Weg, den bestehenden „Kontrollraum“ einer populären KI namens StyleGAN2 zu navigieren. Anstatt der KI neue Regeln beizubringen, fanden sie eine spezifische Richtung im verborgenen Raum, die dem Älterwerden oder Verjüngen entspricht. Stellen Sie sich den Latent Space wie eine riesige, mehrdimensionale Landkarte vor. Das Team nutzte ein einfaches mathematisches Werkzeug (einen Support Vector Regressor), um eine gerade Linie auf dieser Karte zu zeichnen, die von „jung“ nach „alt“ zeigt. Indem sie ein Gesicht entlang dieser Linie gleiten lassen, können sie es älter oder jünger aussehen lassen.
Es gibt jedoch einen Haken: Wenn man zu weit entlang dieser Linie gleitet, kann man das Gesicht so sehr verzerren, dass es nicht mehr wie die ursprüngliche Person aussieht. Um dies zu beheben, agierten die Autoren wie ein Filter, der nur die spezifischen Teile der „digitalen DNA“ eines Gesichts herauspickt, die das Alter steuern, während die Teile, die die Identität steuern, unberührt bleiben. Sie testeten dies unter Verwendung von zwei verschiedenen „Sicherheitswächtern“ (Gesichtserkennungssystemen), um zu sehen, ob das gealterte Gesicht immer noch als dieselbe Person erkannt würde. Sie fanden heraus, dass sie durch die sorgfältige Auswahl der zu ändernden Merkmale ein Gesicht um viele Jahre altern oder signifikant verjüngen konnten, während die Identität intakt blieb.
Das Team blieb nicht nur bei der Theorie; sie bauten ein praktisches Werkzeug, um genau zu bestimmen, wie weit man den Schieberegler für jedes spezifische Alter bewegen muss. Sie erstellten zudem einen massiven, vollständig synthetischen Datensatz von 20.000 verschiedenen Menschen, von denen jeder in 10 verschiedenen Altersstufen gezeigt wird, um anderen Wissenschaftlern zu helfen, ihre eigenen Systeme zu testen. Ihre Ergebnisse legen nahe, dass dieser „Bearbeite die Landkarte“-Ansatz viel effizienter und zuverlässiger ist als die komplexen, rechenintensiven Trainingsmethoden, die zuvor verwendet wurden. Sie zeigten, dass man ein Kind so altern lassen kann, dass es wie ein 30-Jähriger aussieht, oder einen Senior in einen jungen Erwachsenen verwandeln kann, und solange man innerhalb gewisser Grenzen bleibt, besteht das Gesicht die Sicherheitsprüfung. Es ist ein Weg, den Regler der Zeit zu drehen, ohne die Person hinter dem Gesicht zu verlieren.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.