德國達姆施塔特應用科學大學的研究人員最近發表了新的紙詳細說明一種使用人工智能從人的照片中刪除紋身的方法，具有潛在的生物識別技術。
首席研究員Mathias Ibsen表示，面部繪畫和紋身可能會通過改變面部關鍵區域中的模型“期望看到”的模型來損害計算機視覺系統（例如面部識別算法）的性能。
更好地理解和減輕面部紋身在面部分析系統中，易卜生和他的團隊認為，需要增加有或沒有紋身的人的大量數據集。
為此，研究人員提出了一個生成器，以自動在面部圖像中添加逼真的紋身。
紙張寫道：“要用紋身創建面部圖像，首先使用具有里程碑意義的紋身位置將面部分為面部區域。”
“隨後，可以從輸入圖像中估算深的重建圖和切割圖。此後，將信息合併到現實地將紋身融合到面部圖像中。”
然後，他們通過訓練兩個基於深度學習的模型來從面部圖像中刪除紋身，從而證明了這一代人的可行性。
所使用的模型是Pix2Pix，這是一種用於圖像到圖像翻譯的有監督的條件生成對抗網絡（GAN），以及Skindeep，這是一種使用眾所周知的組件，用於刪除身體紋身的現有模型，這些模型已顯示出“其他圖像到圖像翻譯任務的良好結果”。
據報導，使用新型模式的結果表明，可以從真實圖像中去除面部紋身而不會降低圖像質量。
此外，該論文建議，通過在提取和比較面部特徵之前使用擬議的深度學習紋身去除，面部識別精度總體上提高了。
該論文寫道：“對於Pix2Pix和Skindeep模型，比較得分沒有顯著影響，這些模型僅顯示出從面部圖像中刪除紋身的中等功能。”
“但是，對於已經在合成數據庫上訓練的Skindeep而言，這表明差異得分平均得分較低，這表明識別性能可能會有所提高。”
大概也可以應用該技術來克服擊敗面部識別系統的嘗試化妝。
