深度學(xué)習(xí)機器能夠呈現(xiàn)人臉?biāo)ダ虾蟮哪?，但卻往往越變越不像本人?，F(xiàn)在計算機科學(xué)家已經(jīng)解決了這個問題。

我們將會如何變老？這個問題令人著迷。事實上很多人都對自己在20年、30年、甚至40年后會變成什么樣充滿了好奇。

目前已經(jīng)有不少技術(shù)可以模擬我們的年齡變化，但大多非常耗時且昂貴。若有一種方法可以便宜又快速地在照片中老化人臉，那可就方便多了。

在這里向大家介紹來自法國Orange Labs的Grigory Antipov和他的小伙伴們，他們開發(fā)的深度學(xué)習(xí)機器可以輕松做到這一點。他們的系統(tǒng)不僅能夠模擬年輕的臉?biāo)ダ虾蟮哪?，還可以使衰老的臉變得年輕起來。

近年的一些技術(shù)發(fā)展推動了他們的產(chǎn)品開發(fā)。這幾年，計算機科學(xué)家設(shè)計了能夠以各種形式修改臉部圖像又不失真的深度學(xué)習(xí)機器。這個方法能夠創(chuàng)造出更加逼真的衰老人像。

然而問題是，臉部圖像在深度學(xué)習(xí)機器修改過程中逐漸身份模糊，變得越來越不像本人。導(dǎo)致最后人是變老了，但也認不出來了。

Antipov和他的公司找到了一種解決方案。他們采用了兩臺深度學(xué)習(xí)機器協(xié)同工作——臉部圖像生成器和人臉鑒別器。在學(xué)習(xí)人臉隨年齡的變化時，兩臺機器會分析大量不同年齡層的人的照片：0～18，19～29，30～39，40～49，50～59，及60歲以上。

訓(xùn)練深度學(xué)習(xí)機器的過程涵蓋了每個年齡層的5000張臉，照片來自互聯(lián)網(wǎng)電影資料庫（IMDb）以及維基百科（Wikipedia），每張照片都被標(biāo)注了人的年齡。這樣一來機器就了解了每個年齡層的臉部特征，并能夠?qū)⑻囟挲g層的特征運用到其他人臉上使它們也看起來像同一年齡層的臉。

為了防止身份模糊，第二臺深度學(xué)習(xí)機器——人臉鑒別器，會檢測合成后的老化人臉是否還能認得出來，如果不能，圖像就無法通過。

Antipov和他的公司把這個流程叫作“條件性年齡模擬對抗網(wǎng)絡(luò)”，“對抗”一詞是緣于兩臺深度學(xué)習(xí)機器反向運作，一個致力于改變（老化），一個致力于還原（鑒別）。

最后的效果令人印象深刻。開發(fā)團隊將該技術(shù)用在來自IMDb和Wikipedia的1萬張人臉上，這1萬張都是機器此前沒見過的。然后他們用OpenFace來測試處理前和處理后的照片上是不是同一個人。與其他只有50%正確率的人臉修正技術(shù)相比，這種新技術(shù)擁有80%的正確率。

當(dāng)然這種技術(shù)不僅可以用來老化人臉，還能年輕化。

有一個很明顯的對比測試還沒做：對比電腦合成的年輕化人臉圖像以及真人在年輕時期的臉部照片。這能夠很好地測量該技術(shù)的準(zhǔn)確性，也許未來可以試試。

Antipov表示，他們的技術(shù)可以應(yīng)用于辨認失蹤多年的人。此外如果他們把算法公開的話，那么隨便玩玩也很有趣。