20年后我们长什么样?AI技术能告诉你!

据外媒报道,科学家们利用先进的人工智能(AI)来渲染的大家老去的样子,比以往任何时候都更真实。

这种AI技术在将来或可以通过预测人们在未来的相貌帮助寻找失联儿童或在逃嫌犯,帮助警察破解真实失踪案件。

该系统使用一种生成对抗网络(GAN)AI算法。第一部分拍摄一张脸,并生成同一个人在目标年龄的另一张脸。第二部分将该图像与该年龄段的人的真实图像以及原始图像进行比较,并提供反馈,通过训练和反馈提高第一部分的识别正确率。

不同与以往同样使用生成对抗网络(GAN)的人工老化系统,该系统改进了人脸变老技术,不仅注重年龄的正确性,还注重维护个人的身份。同时,在进行人脸回归时,作者还考虑了人脸的许多背景信息,包括额头、头发等。

研究人员利用两个数据库的100,000多幅图像对人工智能系统进行了训练,这些数据库里面包含了不同年龄段的警方存档罪犯和名人的面部照片。为了提高系统的准确性,科学家还引进了另一个计算机程序,对人工智能系统预测的准确度效果评估和反馈。

当人工智能预测人20年后的长相时,计算机程序就会自动把预测后照片的年龄段设在50岁和60岁之间,并根据不同类型的图像加以调整:比如计算机会将罪犯20年后的相貌设定为平均60岁的样子,而名人的相貌则更年轻一些,平均为52岁。

研究人员在一篇论文中称研究结果将在本月盐湖城计算机视觉模式识别会议上发布。

消息来源:Sciencemag

产业GAN
相关数据
计算机视觉技术
Computer Vision

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

生成对抗网络技术
Generative Adversarial Networks

生成对抗网络是一种无监督学习方法,是一种通过用对抗网络来训练生成模型的架构。它由两个网络组成:用来拟合数据分布的生成网络G,和用来判断输入是否“真实”的判别网络D。在训练过程中,生成网络-G通过接受一个随机的噪声来尽量模仿训练集中的真实图片去“欺骗”D,而D则尽可能的分辨真实数据和生成网络的输出,从而形成两个网络的博弈过程。理想的情况下,博弈的结果会得到一个可以“以假乱真”的生成模型。

模式识别技术
Pattern Recognition

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

推荐文章