20年后的你長什么樣？北京航空航天大學(xué)和密歇根州立大學(xué)的研究人員設(shè)計(jì)了一個(gè)AI系統(tǒng)，采用生成對抗網(wǎng)絡(luò)（GAN），可以根據(jù)原始照片生成一個(gè)人年齡增長后的樣子，甚至連發(fā)際線逐漸后移也能逼真地模擬。論文發(fā)表在CVPR 2018。

警方要搜尋一個(gè)失蹤多年的人或逃犯時(shí)，有時(shí)候線索只有一張舊照片。藝術(shù)家或計(jì)算機(jī)程序可以嘗試根據(jù)舊照片推測這些人今天的樣子，但這兩種方法都有缺陷。現(xiàn)在，科學(xué)家們已經(jīng)能夠利用AI來渲染照片中的人年老后的樣子，其結(jié)果比以往的方法更加逼真。

來自北京航空航天大學(xué)和密歇根州立大學(xué)的研究人員設(shè)計(jì)了這樣一個(gè)系統(tǒng)。該系統(tǒng)采用一種由兩個(gè)部分組成的算法，即生成對抗網(wǎng)絡(luò)（GAN）。第一部分以一張臉的照片作為輸入，并生成目標(biāo)年齡的同一個(gè)人年齡增長后的臉。在訓(xùn)練過程中，第二部分將生成的圖像與該年齡的人的真實(shí)圖像和原始圖像進(jìn)行對比，并提供反饋，以令第一部分改進(jìn)生成圖像的效果。

圖1：年齡增長（ageing）的模擬結(jié)果（第1列是輸入的圖像）。

其他這類系統(tǒng)也有使用GAN的， 但這個(gè)系統(tǒng)的不同之處在于它不僅關(guān)注年齡的正確性，還關(guān)注保持特定人的身份。與其他系統(tǒng)不同的是，它還能渲染前額和發(fā)際線逐漸升高的樣子，如上圖演示的結(jié)果。

圖2：提出的年齡增長方法的框架。

在這個(gè)框架中，一個(gè)基于CNN的生成器G學(xué)習(xí)年齡變化（age transformation）。訓(xùn)練中的critic在圖像空間加入平方歐幾里得損失，GAN loss鼓勵(lì)生成的人臉與訓(xùn)練中相應(yīng)年齡的老年人的臉無法區(qū)分，以及 identity preservation loss使高級特征表示的輸入輸出距離最小化。

這個(gè)研究的主要貢獻(xiàn)如下：

提出了一種新的基于GAN的年齡發(fā)展方法，該方法結(jié)合了人臉驗(yàn)證和年齡估計(jì)技術(shù)，從而解決了衰老效果生成和身份線索保存的問題。

強(qiáng)調(diào)了前額和頭發(fā)的重要性，這與我們認(rèn)知的年齡增長現(xiàn)象密切相關(guān)，但在其他研究中被忽略了；這確實(shí)提高了所生成的衰老照片的精度。

除了現(xiàn)有的實(shí)驗(yàn)外，研究者還設(shè)置了新的驗(yàn)證實(shí)驗(yàn)，包括基于商業(yè)化的面部分析工具的評估以及對表情、姿勢和化妝變化的不敏感性評估。該方法不僅被證明有效，而且對于年齡增長也具有穩(wěn)健性。

24個(gè)不同的受試者在CACD數(shù)據(jù)庫上獲得的老化效果（Aging effects）。每個(gè)部分的第一個(gè)圖像是原始的人臉圖像，隨后的3個(gè)圖像是該受試者在[31- 40]、[41-50]和50+年齡組的變老圖像。

圖：24個(gè)不不同的受試者在MORPH數(shù)據(jù)庫獲得的老化效果。

研究人員在來自兩個(gè)數(shù)據(jù)庫的10萬張圖像上訓(xùn)練了他們的AI，這些數(shù)據(jù)庫中包括不同年齡的警方存檔的面部照片和名人照片。然后，研究者用一個(gè)獨(dú)立的計(jì)算機(jī)程序判斷AI在一組新圖像上的表現(xiàn)。舉例來說，當(dāng)AI將人的照片老化20年以上時(shí)，原本30歲以下的人看起來應(yīng)該在50歲至60歲之間，計(jì)算機(jī)程序?qū)⑺麄儯ㄆ骄┮暈?0歲（面部照片）或52歲（名人照片）。

圖：與先前工作的對比

在進(jìn)一步的統(tǒng)計(jì)調(diào)查中，研究人員從已發(fā)表的論文中收集了54個(gè)人的138張配對的照片，并邀請10位人類觀察者來評估哪張年齡增長的臉更好。在1380票中，69.78%投給了我們的工作，20.80%投給了以前的工作，9.42%表示兩者不分上下。此外，該方法不需要像以前的工作那樣進(jìn)行繁瑣的預(yù)處理，只需要兩個(gè)標(biāo)志點(diǎn)用于瞳孔對齊。總而言之，研究者稱他們提出的方法優(yōu)于以前的方法。