动态 | 还在用PS磨皮去皱?看看如何用神经网络高度还原你的年轻容貌!

用机器学习合成人像照片,使照片中的人看起来更年轻或年老的方法已经屡见不鲜。不过据雷锋网消息,近日,来自法国Orange实验室的Enter Grigory Antipov和他的朋友们研发出一种更省时、合成结果更准确的方法 。

据雷锋网小编了解,该方法的工作原理是:

  • 让两个深度学习机器同时工作。两个机器一个用来生成人脸,一个用来鉴别人脸。
  • 而且两个机器会通过分析人脸图像,提前习得各年龄段人脸大概是什么样子的。
  • 年龄段分类标准为:0-18, 19- 29, 30-39, 40-49, 50-59, 以及60岁以上。

在每个年龄分组里,研究人员让机器学习超过5,000张标记过年龄的人脸图像。这些图像均来自于 Web Film Database以及维基百科。通过这种方法,机器可以学会每个年龄分组内的标签,而正是这个习得的总结标签让生成人脸的机器把不同年龄的人像照片准确加工成用户所希望的年龄的样子,无论是让照片中的人变得年轻还是变得年老。

但是,同其合成人像的机器一样,这里面存在的一个问题便是在合成过程中,机器可能会丧失掉图片原有的识别资料(id)。

不过俗话说得好,只要思想不滑坡,方法总比困难多。这时候第二个深度学习机器——鉴别人脸机器就开始起作用了。它的解决办法是:看这个照片的识别资料是不是唯一的,如果不是的话照片则会被拒绝输出。

实验证明,这个方法相当有效。经雷锋网小编总结,他们的检验方法是:

  1. 研究团队让机器合成10,000张从IMDB- Wikipedia数据库中抽取出来的人像。而且这些照片之前从未用来训练机器。
  2. 然后他们用OpenFace软件程序来检测训练前后的两张照片是否为同一个人。
  3. 测试结果为,有80%经训练的照片都被认为和原照片是同一个人。作为对比,用其他方法加工照片,平均测试结果只有50%。

不过,可能还有一个更能考验该研究准确性的方法。研究人员可以把合成的年轻照片和此人在该年龄阶段的真实照片相对比。想要在这个测试中达到高度准确,Antipov 和他的伙伴们可能还有一段路需要走。

最后,Antipov和他的伙伴表示,他们的研究成果目前已应用到确认长期(几年)失踪人口的身份上。而且他们认为,把该技术的算法公开之后,这个方法可能还会有更多玩法。

via:Newgeekers

原文发布于微信公众号 - AI科技评论(aitechtalk)

原文发表时间:2017-02-23

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏大数据文摘

大咖 | GAN之父Ian Goodfellow在Quora:机器学习十问十答

1424
来自专栏大数据文摘

手把手:教你如何用深度学习模型预测加密货币价格

1121
来自专栏IT派

机器学习入门知识体系

IT派 - {技术青年圈} 持续关注互联网、大数据、人工智能领域 随着2016年Alpha Go在围棋击败李世石,2017年初卡内基梅隆大学人工智能系统Lib...

4366
来自专栏人工智能头条

NLP 学习秘笈,从入门到进阶 | 书单

1432
来自专栏大数据文摘

Google首席科学家韩国大学演讲:大规模深度学习

1132
来自专栏新智元

【CNN已老,GNN来了】DeepMind、谷歌大脑、MIT等27位作者重磅论文,图网络让深度学习也能因果推理

1382
来自专栏新智元

9月机器学习文章Top10:星际2、Dota2皆入选,ML教程居榜首

【新智元导读】Mybridge AI(www.mybridge.co)基于文章的内容质量和热议程度对 9 月份和机器学习相关的论文进行了排名,从近 1400 篇...

3418
来自专栏机器学习算法与理论

浅读AlphaGo zero

这两天花点时间看了发表在《Nature》上的Mastering the Game of Go without Human Knowledge这篇文章,文章号称可...

3437
来自专栏机器之心

浅析Geoffrey Hinton最近提出的Capsule计划

选自知乎专栏 作者:SIY.Z 机器之心经授权转载 本文有可能是知乎上分析介绍深度学习最为全面的文章之一。希望做物理的、做数学的、做生物的、做化学的、做计算机、...

35614
来自专栏量子位

OpenAI新研究:通过非监督学习提升NLP任务表现

今天,OpenAI在其官方博客上发布了一篇题为《用非监督学习来提升语言理解》的文章,介绍了他们最近的一项研究:Improving Language Unders...

721

扫描关注云+社区