Envejecimiento facial controlable MapGAN

[3dpoder]

Envejecimiento facial controlable MapGAN. Estamos ante un estudio sobre el envejecimiento facial realizado por Julien Despois, Frederic Flament y Matthieu Perrot de la Cornell University. Un estudio profundo encargado por la compañía francesa L'Oréal. Sí, está bien escrito, lo he mirado expresamente.

El estudio parece que formará parte de las próximas campañas publicitarias de la marca. De ahí que hayan realizado el encargo, para obtener información visual del paso del tiempo en los rostros faciales.

Los enfoques y conjuntos de datos existentes para el envejecimiento facial producen resultados sesgados normalmente.

Las arrugas faciales suelen ser generalizadas

Tenemos variaciones individuales y arrugas de expresión que a menudo resultan invisibles o pasadas por alto a favor de patrones globales como el engorde de la cara.

Además, ofrecen poco o ningún control sobre la forma en que se envejecen las caras y difícilmente se pueden escalar a imágenes grandes, lo que impide su uso en muchas aplicaciones del mundo real.

Para abordar estas limitaciones, presentan un nuevo enfoque para cambiar la apariencia de una imagen de alta resolución. Para ello, por un lado utilizan información de envejecimiento específica de la etnia. Y por otro lado ofrecen una supervisión espacial débil para guiar el proceso de envejecimiento.

La intención es crear un mejor método para simular el envejecimiento

Este estudio pretende demostrar la ventaja de nuestro método propuesto en términos de calidad, control y cómo se puede usar en imágenes de alta definición al mismo tiempo que limita la sobrecarga de nuestra máquina al usarlo.

Su modelo toma una porción de la imagen de entrada, un mapa de envejecimiento objetivo y dos imágenes de gradiente ortonogal X e Y.

A continuación la porción de imagen se transforma de acuerdo con la información de envejecimiento local contenida en el mapa, mientras que los gradientes ortogonales X e Y proporcionan las coordenadas de la porción de una manera totalmente convolucional.

El algoritmo se centra solo en las partes faciales afectadas

Las condiciones se inyectan en el generador a través del bloque SPADE para preservar la información espacial. Finalmente, el generador utiliza un mecanismo de atención para cambiar solo partes relevantes de la imagen, preservando así la ropa, los aretes y otros rasgos faciales no relacionados con el envejecimiento.

En las siguientes imágenes y videos podemos ver los resultados, además adjuntamos el dossier completo. Este es el enlace al proyecto en GitHub, donde seguramente tendrás más información, aunque no mejor explicada.



Como el video anterior puede resultar un poco largo al explicar las cosas en profundidad relativa, dejo también estos dos donde se puede ver directamente el proceso de rejuvenecimiento.

Ojo, esto está realizado por ordenador, en ningún momento se trata de un rejuvenecimiento realizado por ninguna compañía cosmética.





-- IMÁGENES ADJUNTAS --

[SHAZAM]

Madre mía, cada día refinan más este tipo de aplicaciones