एक एआई सिस्टम जो लोगों की तस्वीरों को अधिक ‘सुंदर’ बना सकता है

चीन के शोधकर्ताओं ने एक नए एआई-आधारित इमेज एन्हांसमेंट सिस्टम का विकास किया है जो किसी व्यक्ति की तस्वीरों को अधिक ‘सुंदर’ बनाने में सक्षम है, एक नए दृष्टिकोण के साथ प्रबलित学习 के आधार पर।

नई दृष्टि एक ‘चेहरे की सुंदरता भविष्यवाणी नेटवर्क’ का उपयोग करती है जो कई कारकों के आधार पर एक छवि के विभिन्न संस्करणों के माध्यम से पुनरावृत्ति करती है, जिनमें से ‘प्रकाश’ और आंखों की मुद्रा महत्वपूर्ण कारक हो सकते हैं। यहाँ प्रत्येक कॉलम के बाएं हिस्से में मूल स्रोत हैं जो EigenGAN प्रणाली से हैं, और नए परिणाम दाएं हैं। स्रोत: https://arxiv.org/pdf/2208.04517.pdf

यह तकनीक 2021 में चीनी परियोजना के लिए खोजे गए नवाचारों पर आधारित है, जिसने जनरेटिव एडवर्सेरियल नेटवर्क (GANs) के लेटेंट स्पेस में विविध सेमेंटिक विशेषताओं की पहचान और नियंत्रण में उल्लेखनीय प्रगति की।

2021 में EigenGAN जनरेटर ने जनरेटिव एडवर्सेरियल नेटवर्क के लेटेंट स्पेस में उच्च-स्तरीय अवधारणाओं जैसे ‘बालों का रंग’ को व्यक्त करने में सक्षम था। नई कार्य इस नवीन साधन का उपयोग करके एक प्रणाली प्रदान करती है जो स्रोत छवियों को ‘सुंदर’ बना सकती है, लेकिन पहचानने योग्य पहचान को बदले बिना। स्रोत: https://arxiv.org/pdf/2104.12476.pdf

प्रणाली एक ‘सौंदर्य स्कोर नेटवर्क’ का उपयोग करती है जो दक्षिण चीन प्रौद्योगिकी विश्वविद्यालय, गुआंगज़ौ से 2018 के बेंचमार्क डेटासेट SCUT-FBP5500 से व्युत्पन्न है।

2018 के पेपर ‘SCUT-FBP5500: एक विविध बेंचमार्क डेटासेट फॉर मल्टी-पैराडिग्म फेशियल ब्यूटी प्रेडिक्शन’ से एक ‘फेशियल ब्यूटी प्रेडिक्शन’ (FBP) नेटवर्क प्रदान किया गया था जो चेहरों को उनकी अनुभवी आकर्षण के अनुसार रैंक करने में सक्षम था, लेकिन वास्तव में चेहरों को परिवर्तित या ‘अपग्रेड’ नहीं कर सकता था। स्रोत: https://arxiv.org/pdf/1801.06345.pdf

नई प्रणाली के विपरीत, 2018 का परियोजना वास्तव में परिवर्तनों को निष्पादित नहीं कर सकती है, लेकिन इसमें 60 मिश्रित लिंग लेबलर्स (50/50 विभाजन) द्वारा 5,500 चेहरों के लिए एल्गोरिदमिक मूल्य निर्णय शामिल हैं। इन्हें नई प्रणाली में एक प्रभावी विभेदक के रूप में शामिल किया गया है, जो आकर्षण को बढ़ाने वाले परिवर्तनों को सूचित करने के लिए।

दिलचस्प बात यह है कि नई कागज़ का शीर्षक एट्रिब्यूट कंट्रोलेबल ब्यूटीफुल कॉकेशियन फेस जेनरेशन द्वारा एस्थेटिक्स ड्राइवन रिन्फोर्समेंट लर्निंग है। कारण यह है कि सभी नस्लों को छोड़कर कॉकेशियन को प्रणाली से बाहर रखा गया है (यह भी ध्यान रखें कि शोधकर्ता स्वयं चीनी हैं) क्योंकि एससीयूटी डेटा में उल्लेखनीय रूप से एशियाई स्रोतों की ओर झुकाव है (4000 एशियाई महिलाओं/पुरुषों को समान रूप से विभाजित किया गया है, 1500 कॉकेशियन महिलाओं/पुरुषों को समान रूप से विभाजित किया गया है), जिससे उस डेटासेट में ‘औसत व्यक्ति’ भूरे बालों और भूरी आंखों वाला है।

प्रासंगिक विशेषताएं

एक ‘आकर्षक’ फोटो के प्राथमिक योगदान कारकों का निर्धारण करने के लिए, शोधकर्ताओं ने यह भी परीक्षण किया कि विभिन्न परिवर्तनों का छवियों पर क्या प्रभाव पड़ता है, यह देखने के लिए कि कौन से परिवर्तन अल्गोरिदमिक ‘सुंदरता’ की धारणा को बढ़ाते हैं। उन्होंने पाया कि कम से कम एक पहलू अच्छी फोटोग्राफी से ज्यादा अच्छे जेनेटिक्स से संबंधित है:

प्रकाश के अलावा, जिन पहलुओं का सुंदरता स्कोर पर सबसे बड़ा प्रभाव पड़ा था, वे थे बैंग्स (जो पुरुषों के मामले में अक्सर बालों का पूरा सिर होता है), शरीर की मुद्रा, और आंखों की स्थिति (जहां कैमरे के दृष्टिकोण के साथ जुड़ाव आकर्षण में वृद्धि का कारण बनता है)।

(लिपस्टिक रंग के संबंध में, नई प्रणाली जो प्रभावी ढंग से पुरुष और महिला लिंग प्रस्तुतियों पर काम कर सकती है, लिंग उपस्थिति को व्यक्त नहीं करती है, बल्कि इस संबंध में एक ‘फिल्टर’ के रूप में इस नए विभेदक प्रणाली पर निर्भर करती है)

विधि

नई प्रणाली में प्रबलित学习 तंत्र में पुरस्कार कार्य एससीयूटी डेटा पर एक सीधे प्रतिगमन द्वारा संचालित होता है, जो चेहरे की सुंदरता की भविष्यवाणी करता है।

प्रशिक्षण प्रणाली डेटा इनपुट छवियों (नीचे बाएं योजना में) पर पुनरावृत्ति करती है। शुरुआत में, एक पूर्व-प्रशिक्षित ResNet18 मॉडल (जो ImageNet पर प्रशिक्षित है) पांच समान (‘y’) छवियों से विशेषताएं निकालता है। अगला, एक संभावित रूपांतरित कार्रवाई एक पूरी तरह से जुड़े हुए परत (fully connected layer, छवि में), और परिवर्तन लागू किए जाते हैं, जिससे पांच परिवर्तित छवियां बनती हैं जो सौंदर्य स्कोर नेटवर्क में डाली जाती हैं, जिनकी रैंकिंग, डार्विन-शैली, यह निर्धारित करेगी कि कौन से संस्करण विकसित किए जाएंगे और कौन से त्याग दिए जाएंगे।

नई प्रणाली के कार्यप्रवाह का एक चित्रण।

सौंदर्य स्कोर नेटवर्क एक कुशल चैनल ध्यान (ECA) मॉड्यूल का उपयोग करता है, जबकि एक पूर्व-प्रशिक्षित EfficientNet-B4 का एक अनुकूलन प्रत्येक छवि से 1,792 विशेषताएं निकालने के लिए कार्य करता है।

एक ReLU activation function के माध्यम से सामान्यीकरण के बाद, ईसीए मॉड्यूल से एक 4-आयामी वेक्टर प्राप्त किया जाता है, जिसे तब एक एक-dimensional वेक्टर में समतल किया जाता है जो एक्टिवेशन और adaptive average pooling के बाद होता है। अंत में, परिणामों को regression network में डाला जाता है, जो एक सौंदर्य स्कोर प्राप्त करता है।

प्रणाली के आउटपुट की एक गुणात्मक तुलना। नीचे की पंक्ति में, हम उन सभी विभिन्न पहलुओं के योग को देखते हैं जिन्हें EigenGAN विधि द्वारा पहचाना गया है और बाद में बढ़ाया गया है। छवि पंक्तियों के बाएं हिस्से में औसत FID स्कोर हैं। उच्चतर बेहतर है।

परीक्षण और उपयोगकर्ता अध्ययन

प्रस्तावित विधि के पांच संस्करणों का अल्गोरिदमिक रूप से मूल्यांकन किया गया (ऊपर देखें), जिसमें 1000 छवियों को प्रणाली के माध्यम से डाला गया और फ्रेचेट इन्सेप्शन दूरी (FID, कुछ तिमाहियों में विवादास्पद) स्कोर सौंपा गया।

शोधकर्ताओं का उल्लेख है कि प्रकाश में सुधार करने से फोटो में विषयों के लिए एक बेहतर आकर्षण स्कोर प्राप्त हुआ, जो कि अन्य कई अधिक ‘स्पष्ट’ संभावित परिवर्तनों (अर्थात व्यक्ति की वास्तविक उपस्थिति में परिवर्तन) से बेहतर था।

एक हद तक, इस तरह से प्रणाली का परीक्षण करना एससीयूटी डेटा की विचित्रताओं से सीमित है, जिसमें बहुत सारे ‘ब्राइट मुस्कान’ नहीं हैं, और लेखकों का तर्क है कि यह डेटा में अधिक ‘अन्य’ देखो को अन्य संभावित लक्ष्य अंत-उपयोगकर्ताओं (संभवतः, इस मामले में, एक पश्चिमी बाजार) की तुलना में अधिक रैंक कर सकता है।

हालांकि, चूंकि पूरी प्रणाली केवल 60 लोगों (EigenGAN पेपर में) की औसत राय पर निर्भर करती है, और चूंकि अध्ययन की गई गुणवत्ता दूर से वास्तविक नहीं है, यह तर्क दिया जा सकता है कि प्रक्रिया डेटासेट से ज्यादा ध्वनि है।

हालांकि यह पेपर में बहुत ही संक्षेप में निपटा गया है, EigenGAN और प्रणाली के अपने पांच संस्करणों की छवियां एक सीमित उपयोगकर्ता अध्ययन (आठ प्रतिभागियों) में भी दिखाई गईं, जिन्हें ‘सर्वश्रेष्ठ छवि’ (शब्द ‘आकर्षक’ से बचा गया) चुनने के लिए कहा गया था।

ऊपर, छोटे अध्ययन समूह को प्रस्तुत किया गया जीयूआई; नीचे, परिणाम.

परिणामों से पता चलता है कि नई प्रणाली के आउटपुट ने प्रतिभागियों के बीच सबसे उच्च चयन दर हासिल की (‘MAES’ ऊपर दी गई छवि में)।

सुंदरता की (निर्देशित?) खोज

इस तरह की प्रणाली की उपयोगिता का निर्धारण करना मुश्किल है, इसके बावजूद कि यह एक उल्लेखनीय स्थान का प्रयास चीन में इन लक्ष्यों की ओर है, जो कि नई प्रकाशन में रेखांकित नहीं किया गया है।

पिछले EigenGAN पेपर का सुझाव है कि एक सौंदर्य-मान्यता प्रणाली का उपयोग चेहरे की मेकअप संश्लेषण सिफारिश प्रणाली, सौंदर्य शल्य चिकित्सा, चेहरे की सुंदरता, या सामग्री-आधारित छवि पुनर्प्राप्ति में किया जा सकता है।

संभवतः इस तरह का दृष्टिकोण डेटिंग साइटों पर भी उपयोग किया जा सकता है, जहां उपयोगकर्ता अपने प्रोफाइल फोटो को ‘लकी शॉट’ में बदलने के लिए इसका उपयोग कर सकते हैं, या पुराने फोटो के बजाय, या किसी और की तस्वीर के बजाय।

इसके अलावा, डेटिंग साइटें स्वयं अपने ग्राहकों को रेटिंग और यहां तक कि प्रतिबंधित पहुंच वाले स्तर बनाने के लिए इसका उपयोग कर सकती हैं, हालांकि यह केवल तभी काम करेगा जब लाइवनेस प्रमाणीकरण कैप्चर के माध्यम से किया जाए, न कि जमा की गई तस्वीरों के माध्यम से (जिन्हें क्लाइंट द्वारा भी ‘सुंदर’ बनाया जा सकता है, यदि यह दृष्टिकोण लोकप्रिय हो जाता है)।

विज्ञापन में, एक अल्गोरिदमिक विधि जो सौंदर्य का मूल्यांकन कर सकती है (जैसा कि दिवंगत विज्ञान-कथा लेखक माइकल क्रिचटन ने अपनी 1982 की सिनेमाई फिल्म लुकर में भविष्यवाणी की थी) का उपयोग लक्ष्य दर्शकों को आकर्षित करने वाली रचनात्मक सामग्री का चयन करने के लिए किया जा सकता है, जबकि चेहरे की छवियों का सौंदर्य प्रभाव बढ़ाने की क्षमता बिना उन्हें डीपफेक्स की शैली में ओवरराइट किए, पहले से ही प्रभावी छवियों को और भी प्रभावी बना सकती है।

नई कार्य को राष्ट्रीय प्राकृतिक विज्ञान फाउंडेशन ऑफ चाइना, स्टेट की मुख्य प्रयोगशाला ऑफ कॉम्प्लेक्स सिस्टम मैनेजमेंट एंड कंट्रोल के ओपन फंड प्रोजेक्ट, और चीन के शिक्षा मंत्रालय से दर्शन और सामाजिक विज्ञान अनुसंधान परियोजना के परियोजना द्वारा समर्थित किया जाता है, साथ ही अन्य समर्थकों द्वारा।

* EigenGAN पेपर की कई सिफारिशें एक व्यावसायिक रूप से उपलब्ध 2016 पुस्तक ‘कंप्यूटर मॉडल फॉर फेशियल ब्यूटी एनालिसिस’ की ओर इशारा करती हैं, न कि शैक्षणिक संसाधनों की ओर।

पहली बार 11 अगस्त 2022 को प्रकाशित किया गया।