Localize, Don't Beautify: Client-Side Control of Image-Editing APIs for Cosmetic Surgery Previews
यह अध्ययन प्रदर्शित करता है कि क्लाइंट-साइड मास्किंग और कंपोजिटिंग तकनीकें मॉडल के आंतरिक विवरणों तक पहुंच प्राप्त किए बिना, विभिन्न वाणिज्यिक एपीआई (APIs) में विशिष्ट चेहरे के क्षेत्रों तक कॉस्मेटिक सर्जरी संपादन को प्रभावी ढंग से स्थानीयकृत कर सकती हैं, जो अन्य चेहरे की विशेषताओं में अनपेक्षित परिवर्तनों को रोकने के लिए एक कम लागत वाला समाधान प्रदान करती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक जादुई, सर्वज्ञ फोटो एडिटर का उपयोग करने की कोशिश कर रहे हैं जो एक दूर स्थित सर्वर पर रहता है। आप उसे अपने चेहरे की एक तस्वीर और एक साधारण नोट भेजते हैं: "कृपया मेरी जॉलाइन (jawline) को अधिक शार्प बना दें।" लेकिन यह जादुई बॉक्स थोड़ा दिखावा करने वाला है; यह केवल आपकी जॉलाइन को शार्प नहीं करता है। यह आपकी त्वचा को भी चिकना कर देता है, आपके दांतों को चमका देता है, लाइटिंग बदल देता है, और शायद आपको एक अलग नाक भी दे देता है। यह बिल्कुल वैसा ही है जैसे आप किसी शेफ से अपने सूप में एक चुटकी नमक डालने के लिए कहें, और वह पूरी रेसिपी ही फिर से लिख दे, सब्जियां, शोरबा और सजावट भी बदल दे। यह "ब्लैक-बॉक्स" इमेज एडिटिंग एपीआई (APIs) की दुनिया है: शक्तिशाली उपकरण जहाँ आप इनपुट और आउटपुट तो देख सकते हैं, लेकिन आपको पता नहीं होता कि अंदर वह जादू कैसे हो रहा है, और आप उस टूल को यह नहीं बता सकते कि "केवल इस एक जगह को छुएं।"
दशकों से, सर्जन मरीजों को यह दिखाने के लिए इन प्रकार के प्रीव्यू का उपयोग करते आ रहे हैं कि कॉस्मेटिक प्रक्रिया कैसी दिख सकती है। लेकिन यदि प्रीव्यू चेहरे के बहुत अधिक हिस्सों को बदल देता है, तो मरीज खुद को पहचान नहीं पाएगा, या वह उन बदलावों के लिए उत्साहित हो सकता है जो उसने मांगे ही नहीं थे। वैज्ञानिकों के लिए बड़ा सवाल यह है: यदि आप टूल के अंदर जाकर उसे सावधान रहने के लिए नहीं कह सकते, तो क्या आप, उपयोग करने वाले व्यक्ति के रूप में, उसे अपने दायरे में रहने के लिए मजबूर कर सकते हैं? यह शोध पत्र इस समस्या को हल करने के लिए एक चतुर तरकीब का पता लगाता है, बिना उस टूल के गुप्त कोड को तोड़ने की आवश्यकता के।
शोधकर्ताओं ने यह देखने के लिए एक छोटा सा प्रयोग किया कि क्या वे इन इमेज एडिटर्स को रास्ते से भटकने से रोक सकते हैं। उन्होंने छह अलग-अलग कमर्शियल फोटो-एडिटिंग टूल्स के साथ व्यवहार किया, जैसे कि वे उत्साही लेकिन थोड़े अति-उत्साही सहायक हों। उन्होंने उन्हें एक सरल काम दिया: चेहरे के एक विशिष्ट हिस्से (जैसे नाक या जॉलाइन) को संपादित करें जबकि चेहरे के बाकी हिस्से को बिल्कुल वैसा ही रहने दें जैसा वह था। पहले, उन्होंने केवल एक टेक्स्ट प्रॉम्प्ट आज़माया, जैसे कि कहना, "नाक ठीक करें, लेकिन किसी और चीज़ को न छुएं।" जैसा कि उन्हें संदेह था, टूल्स ने "न छुएं" वाले हिस्से को अनदेखा कर दिया और पूरे चेहरे को बदल दिया, त्वचा को चिकना कर दिया और लाइटिंग भी बदल दी।
फिर, शोधकर्ताओं ने एक अलग दृष्टिकोण आज़माया, जिसे वे "मास्क्ड कंपोजिट" (masked composite) कहते हैं। कल्पना कीजिए कि आप एक पेंटर को खिड़की पर लगे एक दाग को ठीक करने के लिए कहते हैं, लेकिन आप जानते हैं कि वह पूरी दीवार को पेंट करने वाला है। पेंटर से बहस करने के बजाय, आप उसके खत्म होने का इंतज़ार करते हैं, एक टेप लेते हैं जिसमें बीच में छेद कटा हुआ है (एक मास्क), और उसे खिड़की के ऊपर चिपका देते हैं। फिर आप सावधानी से दीवार से पेंट की हुई खिड़की को काटते हैं और उसे अपनी मूल फोटो पर वापस चिपका देते हैं, जबकि दीवार के बाकी हिस्से को बिल्कुल वैसा ही रखते हैं जैसा वह पहले था। डिजिटल दुनिया में, शोधकर्ताओं ने ऐसा करने के लिए संपादित फोटो से केवल उस हिस्से को लिया जिसे वे बदलना चाहते थे, और उसे एक सॉफ्ट, फेदर वाले किनारे (feathered edge) के साथ मूल फोटो पर वापस चिपका दिया ताकि वह प्राकृतिक दिखे।
परिणाम आश्चर्यजनक रूपamente स्पष्ट थे। जब शोधकर्ताओं ने केवल टेक्स्ट प्रॉम्प्ट का उपयोग किया, तो एडिटर्स ने चेहरे के उन हिस्सों को भी बदल दिया जिन्हें उन्हें नहीं छूना चाहिए था। लेकिन जब उन्होंने "कट एंड पेस्ट" वाली तरकीब का उपयोग किया, तो वे चेहरे के बाकी हिस्से को अछूता रखने में सफल रहे। वास्तव में, जिन चेहरों को उन्होंने मापा, उनके लिए इस विधि ने यह सुधार करने में बहुत बड़ी सफलता हासिल की कि संपादन सही स्थान पर रहे (उनके स्केल पर 0.446 का औसत सुधार), जबकि उन्होंने नाक या जॉलाइन में वांछित बदलाव भी किए। "कट एंड पेस्ट" विधि ने हर एक एडिटर के लिए काम किया जिसका उन्होंने परीक्षण किया, सबसे महंगे से लेकर सबसे सस्ते तक।
हालाँकि, शोध पत्र ने कुछ महत्वपूर्ण सीमाएँ भी पाईं। उनके द्वारा परीक्षण किए गए एक एडिटर में एक विशेष "इनपेंटिंग" (inpainting) मोड था, जो यह बताने के लिए बनाया गया है कि टूल को ठीक कहाँ पेंट करना चाहिए। लेकिन वह विशेष मोड भी शोधकर्ताओं द्वारा आविष्कार की गई सरल "कट एंड पेस्ट" की तुलना में बदलावों को स्थानीय रखने में बेहतर काम नहीं कर सका। इसके अलावा, हालांकि शोधकर्ता यह माप सकते थे कि उनकी तरकीब के बाद चेहरे मूल व्यक्ति जैसे अधिक दिख रहे थे, लेकिन उन्होंने यह भी पाया कि किसी भी एडिटर ने चेहरे को वास्तविक "सर्जरी के बाद" वाली फोटो जैसा नहीं बनाया। दूसरे शब्दों में, टूल्स ने सर्जरी को सही ढंग से नहीं किया; वे बस चेहरे के बाकी हिस्से को खराब करने से बेहतर तरीके से बच गए।
लेखक बहुत सावधानी से कहते हैं कि यह कॉस्मेटिक सर्जरी के लिए कोई जादुई समाधान नहीं है। उन्होंने वास्तविक सर्जनों से तस्वीरों को नहीं दिखाया कि क्या बदलाव चिकित्सकीय रूप से यथार्थवादी दिखते हैं। उन्होंने यह भी नोट किया कि कुछ कोणों के लिए, जैसे कि साइड प्रोफाइल, उनकी "कट एंड पेस्ट" की तरकीब उतनी अच्छी तरह काम नहीं करती क्योंकि कंप्यूटर मास्क बनाने के लिए चेहरे के लैंडमार्क्स (landmarks) नहीं ढूंढ पाता है। लेकिन मुख्य निष्कर्ष उत्साहजनक है: भले ही आप एक ब्लैक-बॉक्स टूल के साथ फंसे हों जिसे आप अंदर से नियंत्रित नहीं कर सकते, फिर भी आप एक सरल "कट एंड पेस्ट" ट्रिक का उपयोग करके अपने कंप्यूटर पर इसे अपने दायरे में रहने के लिए मजबूर कर सकते हैं। यह एक कम लागत वाला, आसान तरीका है यह सुनिश्चित करने का कि आपका डिजिटल प्रीव्यू आपके चेहरे को किसी और का चेहरा न बना दे।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।