AI, Fotoğrafın Yılını İnsanların Yaşlarına Göre Tahmin Edebilir

Yeni bir araştırmaya göre, AI, insanların yüzlerini kullanarak bir fotoğrafın çekildiği yılı tahmin edebiliyor ve bilinen doğum yılları ile yaş tahminlerini birleştirerek mevcut sahne tabanlı yöntemleri geçebiliyor.

Fotoğrafın tarihini tahmin etmek eskiden daha kolaydı, çünkü saç ve giyim modaları çok hızlı bir şekilde evrimleşiyordu. Hızlı bir tempo ile değişen bu görsel stiller, yaklaşık otuz yıl önce sona erdi, bu nedenle bir saç stilini veya giyim kuşamını görmek ve bu tür görsel ipuçlarından yılı tahmin etmek artık eskisi kadar kolay değil.

Bir süre için, renk çözünürlüğü ve film stoklarının tahıllı özellikleri temel alınarak görüntüler ve filmler tarihlenebiliyordu. Bir adli uzman olmanıza gerek yoktu; yeterince eski film izlerseniz, kültürel ipuçları (müzik, arabalar, moda, konular vb.) sonunda izleyici tarafından film stoku stilleri ile ilişkilendirilecekti:

Film stokundaki gelişmelerin, zaman içinde cilt tonları ve aydınlatma stillerinin kapsamını逐渐 genişlettiği şekilde, düz, ön kurgulardan daha doğal ve çeşitli görüntülere doğru ilerlediğini gösteren bir illüstrasyon. Kaynak (kendi makalem)

Bir fotoğrafı tarihlemek için ek bir “bağlantı noktası”, siyah beyaz olup olmamasıydı – bu ekonomi, bu yüzyılın başlarında dijital fotoğrafçılığın popülerleşmesinden sonra gereksiz hale geldi.

Bir dizi ticari ve deneysel sistem, MyHeritage aboneliğine bağlı PhotoDater gibi, bu ve çeşitli diğer kriterleri kullanarak fotoğrafları tarihleme girişimlerinde bulunuyor.

MyHeritage PhotoDater abonelik hizmetinin bir fotoğraf yaş tahmini örneği. Kaynak

Diğer belirgin ipuçlarından (akıllı telefonlar veya diğer dönem özgü teknolojiler gibi) yoksun olarak, son 15-25 yıl içinde çekilen bir fotoğrafın yaşını tahmin etmenin en iyi yolu, kişinin (örneğin bir ünlünün veya belki bir tanıdığın) tanınması ve yaşının tahmin edilmesidir, bu da yaklaşık bir yıl eşdeğeri verir.

Yüz Yaşı Referans Olarak

Bilgisayarlı görü ve çeşitli diğer alanlarda (örneğin adli tıp, arşiv işleme, gazetecilik, veri seti mimarisi vb.), bir fotoğrafın yaşını belirleme yeteneği, çok intéressan bir hedeftir, çünkü birçok en ilginç dijital ve analoğ collections uygun açıklama ve meta veri thiếu veya hatalı meta veri içerir.

Dolayısıyla, bir AI sisteminin fotoğrafları bizim historical koleksiyonlarımıza bakarken yaptığımız gibi incelemesi ve ‘Oh evet, o zamanlar…’ demesi yararlı olurdu. Soru, diğer usual ipuçlarından yoksun olduğunda ne olabilir?

Çek Cumhuriyeti’nden yeni bir araştırma makalesi, AI dayalı yaş tanıma sistemlerini, yüz tanıma sistemleri ile birleştirerek ve bunları ortak bir kimlik veritabanına (bu durumda, Çek sanatçılar ve film yapımcıları içeren bir IMDB benzeri koleksiyon) bağlayarak bu yaklaşımın ilk adımlarını sunuyor:

1974 yapımı ‘Joachim, Makineye Yerleştirin’ filminin bir karesi, tarihleme sürecini göstermek için kullanılmıştır. Model, fotoğraftaki bilinen kişileri tespit eder, yüz yaşını tahmin eder (sağ sütun) ve her kişinin doğum yılından bu değeri çıkararak olası fotoğraf tarihleri için bir olasılık dağılımı oluşturur. Grafikler, her yaş tahmini için olasılığı gösterir ve kesik çizgiler, kişinin fotoğrafın çekildiği tarihteki gerçek yaşını işaret eder. Kaynak

Sistem, fotoğraftaki bilinen kişileri tespit ederek, önceden eğitilmiş bir model kullanarak yüz yaşını tahmin ederek ve bu tahmini onların belgelenmiş doğum yılından çıkararak olası fotoğraf tarihlerini üretir. Birden fazla yüz olduğunda, tarih tahminleri birleştirilerek nihai bir tahmin yapılır.

Bu yöntem, Czecho-Slovak Movie Database (CSFD)’den alınan görüntüler üzerinde test edildi ve yazarlar, ortaya çıkan yaklaşımın, aynı veriler üzerinde eğitilen sahne tabanlı modellere (statik modeller, arka plan öğeleri veya görsel bağlam yerine yüzleri dikkate alan) göre tutarlı bir şekilde daha iyi doğruluk sunduğunu iddia ediyor.

Bu yöntemin şeması, bir dizi kişiden oluşan merkezi bir veritabanını gerektirir; ancak benzer bir koleksiyon, doğrulanmış doğum tarihleri ve merkezi tarih doğrulanmış olaylar içerebilir ve benzer bir sonuç verebilir.

Makalede şöyle deniyor:

‘Benzeri görülmemiş bir şekilde, vår veri kümesi, tek bir görüntüdeki birden fazla kişi için açıklamalar sağlar, bu da çok yüz bilgisi birleştirme çalışmasını mümkün kılar. Görsel kanıtları modern yüz tanıma ve yaş tahmini modellerinden ve kariyer temelli zaman önceliğinden fotoğrafın çekildiği yılı tahmin etmek için resmi olarak birleştiren olasılıksal bir çerçeve öneriyoruz.

‘Deneyimlerimiz, birden fazla yüzden gelen kanıtları birleştirmenin tutarlı olarak performansı iyileştirdiğini ve bu yaklaşımın, özellikle birden fazla tanınabilir kişi içeren görüntüler için güçlü, sahne tabanlı referansları önemli ölçüde geride bıraktığını gösteriyor.’

Yeni makale, Fotoğraf Tarihleme Yüz Yaşı Birleştirme olarak adlandırılmış ve Çek Teknik Üniversitesi’nden iki araştırmacı tarafından sunulmuştur, daha sonra kod ve veri yayınlanacağı sözü verilmiştir.

Yöntem

Bir fotoğrafın çekildiği tarihi tahmin etmek için, yazarların yeni sistemi, her bir tespit edilen yüzü inceleyerek ve kim olabileceğini denemeye çalışır, yukarıda bahsedilen bilinen kişiler veritabanını kullanır. Bir kişi bir fotoğrafta sadece bir kez görünabileceğinden, sistem tüm olası kimlik kombinasyonlarını kontrol eder ve bilinen doğum yıllarını kullanarak her kişinin görünenden ne kadar yaşlı olduğunu tahmin eder.

Bundan sonra, sistem geri çalışarak, bu yaşların hizalanmasını sağlayacak en olası yılı tahmin etmeye çalışır:

Sistem, tanınan kişilerin en aktif olduğu zamanları gösteren bir zaman çizelgesi oluşturur, bu da bilinen kariyerlerine dayanır. Sağda: Bu, yüz yaş tahmini ile birleştirilerek fotoğrafın çekildiği tarih için nihai bir tahmin üretir.

Çok sayıda olası kimlik kombinasyonunu yönetmek için, sistem yüzlerin bağımsız olduğunu ve her birinin görünümünün sadece kimliğine ve fotoğrafın tarihine bağlı olduğunu varsayar.

Fotoğrafın çekildiği tarihi tahmin etmek için, sistem önce NIST cvut-002 modeli kullanarak her bir tespit edilen yüzün yaşını tahmin eder, bu model ViT-B/16 mimarisi temel alınarak oluşturulmuştur ve özel bir veri setine eğitilmiştir (yazarlar, bu setin NIST’in Yüz Analizi Teknoloji Değerlendirmesi (FATE) veritabanında yüksek sırada yer aldığını belirtiyorlar).

Kişinin doğum yılı bilinirse, model yaş tahmini ile fotoğrafın çekildiği yılı birleştirerek olası çekim yılları için bir olasılık dağılımı oluşturur. Bir tespit edilen yüzün bilinen bir kimlikle ne kadar uyumlu olduğunu değerlendirmek için, sistem gömmelerini ArcFace uzayında karşılaştırır:

ArcFace, şimdi popüler olan InsightFace modelinin merkezi katkı sağlayan mimarisi, 2015 yılında yayınlandı ve yüz değerlendirme ve değerlendirme alanında etkili bir proje haline geldi. Kaynak