NYU Tandon工程學院的一群研究人員有引入一種新的人工智能（AI）方法，能夠改變圖像中的明顯年齡，同時保留其獨特的面部特徵。
這一發展標誌著傳統的AI模型的重大進步，該模型可以操縱年齡，但努力保留使每個人與眾不同的生物識別標識符。
計算機科學與工程系（CSE）系的研究助理教授Sudipta Banerjee率領這項工作。
AI模型的身份保留年齡變化
這人工智慧對模型進行了訓練，可以執行具有身份的年齡變化。為了實現這一目標，團隊克服了這一領域固有的共同挑戰：積累了一個廣泛的數據集，其中包括跨越多年的個人的圖像。
與這種做法相反，研究人員採用了一小部分圖像數據集，描繪了一個人，並附有另一組圖像，並帶有標題，表明了代表人的年齡類別，例如兒童，青少年，年輕人，年輕，中年，老年人或老年人。
值得注意的是，該系列包含了一生中捕獲的名人的圖像。 AI模型學會了認識到將個體與初始數據集區別的獨特生物特徵。
年齡分類的圖像有助於該模型對照片與年齡之間的聯繫的理解。因此，訓練有素的模型可以通過使用文本提示來指定目標年齡來模擬衰老或複興的過程。
“ Dreambooth”技術
研究人員採用了“ Dreambooth”技術來編輯人的面部圖像，這是一個涉及通過神經網絡組件結合的逐步調整的過程。
這種方法需要在涉及基礎數據分佈的同時，在圖像中引入和消除噪聲或隨機變化。通過合併文本提示和類標籤，研究人員指導了圖像生成過程，強調了特定於身份的細節和圖像質量的保存。
各種損失功能的應用促進了神經網絡模型的微調。該團隊通過實驗證實了他們的方法的功效，涉及人類面部圖像的產生，表現出與年齡相關的變化和上下文變化。
為了衡量該方法的性能，研究人員將其與現有的年齡修改技術進行了比較。他們邀請了26名志願者將生成的圖像與受試者的實際圖像與Arcface面部識別算法的應用匹配。
根據該團隊的說法，他們的方法優於替代技術，證明在識別過程中，拒絕率的降低多達44％。
團隊的發現是詳細的在有關印刷服務器ARXIV的論文中，並將在IEEE國際生物識別技術會議（IJCB）上發表。
在CSE副教授Chinmay Hegde和CSE教授Nasir Memon的指導下，與CSE博士學位候選人Govind Mittal和PhD畢業生Ameya Joshi合作，研究人員利用了一種被稱為潛在擴散模型的生成AI模型的專業形式。
