您尚未登录账户
您的企业账号申请正在审核中
新的人工智能模型能够改变面部图像的虚拟年龄
纽约大学塔顿工程学院的研究人员开发了一种新的人工智能技术，可以改变人物在图像中的虚拟年龄，同时保留其独特的识别特征。这是与标准的人工智能模型相比的一大进步，后者只能让人看上去更年轻或更年长，但无法保留其个体的生物识别特征。
在一篇发表于预印本服务器arXiv上，并将在IEEE国际联合生物特征学会议(IJCB)的论文集上发表的论文中，首席作者、计算机科学与工程系的研究助理教授Sudipta Banerjee以及同事们训练了一种生成式人工智能模型——潜在扩散模型，以“了解”如何进行保留身份的年龄转换。
为了做到这一点，Banerjee与计算机科学与工程系的博士候选人Govind Mittal和博士毕业生Ameya Joshi，在计算机科学与工程系副教授Chinmay Hegde的指导下，克服了这类工作中的一个常见挑战，即收集一个由多年来显示个体人物的图像组成的大型训练数据集。
相反，研究团队使用了一小组个人的图像和另一组带有年龄类别标签的图像对模型进行训练。年龄类别包括儿童、青少年、年轻成年人、中年人、老年人或长寿者。该组包括了一些名人在生活中各个年龄段的照片。
模型通过第一组图像学习了识别个体的生物特征。年龄标记图像教模型图像与年龄之间的关系。训练好的模型然后可以通过指定一个目标年龄来模拟衰老或变年轻。
研究人员采用了一种称为“DreamBooth”的方法来编辑人脸图像，通过使用神经网络组件逐渐修改图像。该方法涉及到向图像中添加和移除噪音（随机变化或干扰），同时考虑底层数据分布。
该方法利用文本提示和类别标签来引导图像生成过程，注重保持特定身份的细节和整体图像质量。采用各种损失函数来微调神经网络模型，并通过生成带有与年龄相关的变化和上下文变化的人脸图像的实验来证明该方法的有效性。
研究人员通过让26名志愿者将生成的图像与其真实图像进行匹配，并与ArcFace（一种人脸识别算法）进行测试，将他们的方法与其他现有的年龄修改方法进行了对比。他们发现，他们的方法优于其他方法，拒绝错误率降低了44%。
