Max Home IndustryХотите знать, как может выглядеть ваше потомство с данным другим человеком? Теперь нейронная сеть может вам сказать. Но вы действительно хотите знать?
Машинное обучение теперь применяется для визуального распознавания родства. Исследователи предложили и протестировали модель генерации лиц, чтобы предсказать появление ребенка с учетом родителей. Их эксперименты подтверждают, что он синтезирует убедительные результаты с использованием как субъективных, так и объективных стандартов.
Исследование проводится в Северо-Восточном университете под руководством профессора Юн Раймонда Фу. Он решает задачу генерации родства с целью прогнозирования появления ребенка от пары родителей, обусловленной высокоуровневыми характеристиками (т.е. возрастом и полом), что обеспечивает контроль над желаемыми характеристиками. В этом наборе фотографий в верхнем ряду показаны два (настоящих) родителя, а в нижнем ряду одна фотография создана, а остальные три настоящие. В статье читателям предлагается определить сгенерированное изображение, но, к сожалению, ответа нет!
Во введении к статье «Как будет выглядеть ваш ребенок? DNA-Net: синтезатор родственных лиц с учетом возраста и пола» говорится, что визуальное распознавание родства направлено на идентификацию кровных родственников по изображениям лиц и что оно имеет практическое применение в видеонаблюдении и законодательстве. принуждение к автоматическому управлению семейными альбомами. Далее объясняется, что процесс наследования можно разделить на два основных этапа:
Локальные особенности и общая форма лица в основном определяются генами, контролирующими выработку белков на микроуровне.
Гены потомства наследуются от одного или другого родителя путем случайного отбора и комбинирования.
Это означает, что дети не идентичны родителям-одиночкам, но имеют тенденцию во многом походить на обоих родителей.
Предлагаемая модель генерации родства имеет двухэтапную процедуру обучения, вдохновленную генетическим процессом:
Шаг 1: глубокий генеративный условно-состязательный автоэнкодер (CAAE) обучен на крупномасштабном наборе данных о лицах, чтобы научиться сопоставлять внешний вид лица с высокоуровневыми функциями со знанием возраста и пола.
Шаг 2: новая ДНК-сеть, обученная на меньшем наборе данных о родстве, преобразует высокоуровневые функции в гены, то есть транслирует гены родительской пары ребенку.
Исследователи смогли создать нескольких братьев и сестер, манипулируя кодами генов в DNA-Net, чтобы внести изменения в сгенерированного ребенка как по возрасту, так и по полу. Примеры результатов показаны ниже. Каждый столбец соответствует семье с лицами отцов в первом ряду, матерей во втором, настоящих детей в третьем и рожденных детей внизу.
На этапе оценки с использованием 30 наборов изображений 35 участников-людей попросили проголосовать за то, какие детские изображения считаются истинным ребенком пары родителей. Им не сообщили, что некоторые изображения были созданы, а не реальными.
Чтобы процитировать статью:
Сгенерированные дети получили больше голосов, чем фактические. В частности, около 60,29% сгенерированных запросов заставили пользователя поверить в то, что это был настоящий ребенок, что было измерено количеством голосов. Таким образом, лица, созданные предложенным, казались людям более искренними, чем лица настоящего ребенка.
Исследователи приходят к выводу:
Количественные и качественные экспериментальные результаты показывают, что сгенерированные лица детей имеют большое сходство с лицами родителей, а также аналогичную наследуемость с реальными детьми. Наше исследование может быть полезно в различных приложениях, начиная от популяционной генетики и картирования генов и заканчивая приложениями для моделирования и реконструкции лиц.
Это исследование могло привести к интересной модели, но, как и в случае с другими исследованиями машинного обучения с использованием изображений, существует также возможность вводить в заблуждение такие глубокие подделки. А как насчет выбора партнера на основании того, как может выглядеть ваше потомство. Страшная мысль.