LATS照片人脸年龄转换(年龄进度条)

看看自己小的时候的样子,再看看自己老去的样子。这个年龄变化特效,在抖音中看到过,神奇无比;

项目名为:Lifespan Age Transformation Synthesis,暂时缩写为LATS;

本算法由华盛顿大学和斯坦福大学发布,我们先看效果:

LATS照片人脸年龄转换(年龄进度条) LATS照片人脸年龄转换(年龄进度条)

    寿命老化转换合成是一种基于GAN的方法,旨在模拟单个输入图像的连续老化过程。
此代码是本文的官方PyTorch实现。

   (1)该算法旨在使衰老过程产生幻觉,并在一个人的整个生命周期中产生一个近似的外观。
   (2)该方法的主要用例是出于艺术和娱乐目的(CGI效果,相机滤镜等)。此方法对于更关键的应用程序(例如,近似失踪人员的外观)可能也很有用。但是,我们要强调的是,作为一种非完美的数据驱动方法,结果可能不准确且有偏差。我们方法的输出应由经过培训的专业人员进行严格分析,而不应被视为绝对的地面真理。
   (3)在任何情况下,该方法的结果均不得用作拘留/逮捕人的依据或任何其他形式的法律证据。

算法和数据偏差:

我们在算法设计上付出了巨大的努力,以保留输入图像中人物的身份,并最大程度地减少固有数据集偏差对结果的影响。这些措施包括:

  1. 设计身份编码器体系结构以保留输入图像的局部结构。
  2. 包括旨在维持个人身份的培训损失。
    • 潜在的身份丢失:鼓励在各个年龄段保持一致的身份特征。
    • 周期损耗:驱动网络从任何老化的输出中再现原始图像。
    • 自我重建损失:当目标年龄等级与源年龄等级相同时,使网络学习重建输入。
  3. FFHQ数据集包含年龄段内的性别失衡。为了防止在输出中引入这些偏见,例如为女性生成男性面部特征,反之亦然,我们已经训练了两种不同的模型,一种针对男性,另一种针对女性。用户应自行决定采用哪种模型。我们承认,这种设计选择限制了我们的算法无法模拟性别非二进制的人的衰老过程。需要做进一步的工作以确保将来的算法将能够模拟整个性别范围内的衰老。

尽管采取了这些措施,网络仍可能会引入我们在设计算法时未考虑的其他偏差。如果您发现结果有偏差,请与我们联系以帮助将来的研究!

摘要:

    我们解决了单身照片年龄发展和回归的问题-预测一个人将来的样子,或者他们过去的样子。大多数现有的衰老方法仅限于改变纹理,忽略人类衰老和生长过程中发生的头部形状变化。这将以前的方法的适用范围限制为成年人的老化,仅适用于年龄稍大的成年人,而将这些方法应用于儿童照片则无法产生高质量的结果。我们提出了一种新颖的多域图像对图像生成对抗网络架构,其学习到的潜在空间为连续双向老化过程建模。该网络在FFHQ数据集上进行了训练,我们将其标记为年龄,性别和语义细分。固定年龄段用作锚定值,以近似进行连续的年龄转换。我们的框架可以通过单张照片预测0--70岁的完整头像,同时修改头部的纹理和形状。我们在各种各样的照片和数据集上演示了结果,并显示了相对于现有技术的显着改进。

,
相关链接:
https://github.com/royorel/Lifespan_Age_Transformation_Synthesis
https://arxiv.org/pdf/2003.09764.pdf

文章链接:https://www.ai2025.cn/2780.html
文章标题:LATS照片人脸年龄转换(年龄进度条)
文章版权:AI2025 所发布的内容,部分为原创文章,转载请注明来源,网络转载文章如有侵权请联系我们!

(0)
上一篇 2020年12月23日 下午1:29
下一篇 2020年12月23日 下午1:42

相关推荐

发表回复

您的电子邮箱地址不会被公开。

分享本页
返回顶部