美しさを高めることができるAIシステム

中国の研究者は、強化学習の新しいアプローチに基づいて、人の画像をより「美しく」することができる新しいAIベースの画像強化システムを開発しました。

新しいアプローチでは、’顔の美しさ予測ネットワーク’を使用して、光や目のポーズなどの要因に基づいて画像のバリエーションを反復処理します。ここでは、各列の左側の元のソースはEigenGANシステムから、右側の新しい結果が表示されています。 Source: https://arxiv.org/pdf/2208.04517.pdf

この技術は、2021年の別の中国プロジェクトであるEigenGANジェネレーターの革新に基づいています。このジェネレーターは、生成対抗ネットワーク（GAN）の潜在空間内のさまざまなセマンティック属性を特定して制御する上で重要な進歩を遂げました。

2021年のEigenGANジェネレーターは、生成対抗ネットワークの潜在空間内で髪の色などの高レベルな概念を特定することができました。新しい研究は、この革新的な手段を活用して、ソース画像を’美しく’することができるシステムを提供しますが、認識可能なアイデンティティを変更することなくです。以前のアプローチでは、この問題がありました。 Source: https://arxiv.org/pdf/2104.12476.pdf

システムは、南中国大学の広州校から2018年に発表されたSCUT-FBP5500（SCUT）というベンチマークデータセットから派生した’美的スコアネットワーク’を使用しています。

2018年の論文’SCUT-FBP5500: 多パラダイム顔の美しさ予測のための多様なベンチマークデータセット’から、顔の美しさ予測（FBP）ネットワークが提示され、顔の魅力度をランク付けすることができましたが、実際には顔の変換や’アップグレード’はできませんでした。 Source: https://arxiv.org/pdf/1801.06345.pdf

新しい研究は、EigenGANジェネレーターと同じデータセットを使用していますが、画像を実際に変換することができます。

関連する属性

画像の美しさに寄与する主な要因を決定するために、研究者はさまざまな画像の変更が美しさスコアに与える影響をテストしました。彼らは、少なくとも1つの側面が美しい写真よりも美しい遺伝子に重要であることを発見しました。

光以外に、最も大きな影響を与えた要素は、前髪（男性の場合、全頭の髪を持っていることと同等であることが多い）、体のポーズ、目の配置（カメラの視点との関わりが魅力にプラスになる）でした。

方法

強化学習メカニズムの報酬関数は、SCUTデータの回帰によって動作し、顔の美しさ予測を出力します。

テストとユーザー研究

提案された方法の5つのバリアントがアルゴリズム的に評価され、1000枚の画像にFréchet inception distance（FID）スコアが付けられました。

美しさの追求

このシステムの有用性は、中国でこれらの目標に向けた著しい努力があるにもかかわらず、確立するのが難しいです。新しい出版物では、noneが概説されていません。

新しい研究は、国家自然科学基金、複雑なシステムの管理と制御の国家重点研究所のオープンファンドプロジェクト、中国の教育省からの哲学と社会科学研究プロジェクトなどの支援を受けています。