Hệ Thống Trí Tuệ Nhân Tạo Có Thể Làm Cho Hình Ảnh Của Người Trở Nên ‘Đẹp Hơn’

Những nhà nghiên cứu từ Trung Quốc đã phát triển một hệ thống nâng cao hình ảnh dựa trên trí tuệ nhân tạo mới, có khả năng làm cho hình ảnh của một người trở nên ‘đẹp hơn’, dựa trên một phương pháp tiếp cận mới để học tăng cường.

Phương pháp mới sử dụng một ‘mạng lưới dự đoán sắc đẹp khuôn mặt’ để lặp lại các biến thể của một hình ảnh dựa trên một số yếu tố, trong đó ‘ánh sáng’ và tư thế mắt có thể là những yếu tố quan trọng. Ở đây, nguồn gốc (ở phía bên trái của mỗi cột) là từ hệ thống EigenGAN, với kết quả mới ở phía bên phải của chúng. Nguồn: https://arxiv.org/pdf/2208.04517.pdf

Kỹ thuật này dựa trên những đổi mới được khám phá cho bộ sinh EigenGAN, một dự án khác của Trung Quốc, từ năm 2021, đã đạt được những bước tiến đáng kể trong việc xác định và kiểm soát các thuộc tính ngữ nghĩa đa dạng trong không gian tiềm ẩn của Mạng lưới Đối nghịch Sinh (GANs).

Bộ sinh EigenGAN năm 2021 có thể phân biệt các khái niệm cấp cao như ‘màu tóc’ trong không gian tiềm ẩn của một mạng lưới đối nghịch sinh. Công việc mới xây dựng trên công cụ sáng tạo này để cung cấp một hệ thống có thể ‘làm đẹp’ hình ảnh nguồn, nhưng không thay đổi bản sắc nhận dạng – một vấn đề trong các phương pháp trước đây. Nguồn: https://arxiv.org/pdf/2104.12476.pdf

Hệ thống sử dụng một ‘mạng lưới điểm thẩm mỹ’ được dẫn xuất từ SCUT-FBP5500 (SCUT), một tập dữ liệu chuẩn mực năm 2018 cho dự đoán sắc đẹp khuôn mặt, từ Đại học Công nghệ Nam Trung Quốc tại Quảng Châu.

Từ bài báo năm 2018 ‘SCUT-FBP5500: Một tập dữ liệu chuẩn mực đa dạng cho dự đoán sắc đẹp khuôn mặt đa hình thức’, đã cung cấp một ‘mạng lưới dự đoán sắc đẹp khuôn mặt’ (FBP) có thể xếp hạng khuôn mặt theo mức độ hấp dẫn nhận thức, nhưng không thể thực sự biến đổi hoặc ‘nâng cấp’ khuôn mặt. Nguồn: https://arxiv.org/pdf/1801.06345.pdf

Không giống như công việc mới, dự án năm 2018 không thể thực hiện các biến đổi, nhưng chứa các phán quyết giá trị thuật toán cho 5.500 khuôn mặt, được cung cấp bởi 60 người đánh giá giới tính hỗn hợp (chia đều 50/50). Những đánh giá này đã được kết hợp vào hệ thống mới như một bộ phân biệt hiệu quả, để thông báo các biến đổi có khả năng tăng cường ‘hấp dẫn’ của một hình ảnh.

Điều thú vị là, bài báo mới có tiêu đề Sinh khuôn mặt người da trắng đẹp có thể điều khiển được bằng cách học tăng cường theo thẩm mỹ. Lý do tại sao tất cả các chủng tộc ngoài da trắng được loại trừ khỏi hệ thống (cũng xem xét rằng các nhà nghiên cứu chính họ là người Trung Quốc) là vì dữ liệu nguồn cho SCUT nghiêng đáng kể về nguồn gốc châu Á (4.000 người châu Á chia đều nam/nữ, 1.500 người da trắng chia đều nam/nữ), khiến ‘người trung bình’ trong tập dữ liệu đó có tóc nâu và mắt nâu.

Do đó, để thích ứng với sự thay đổi màu sắc ít nhất trong một chủng tộc, nó là cần thiết để loại trừ thành phần châu Á từ dữ liệu gốc, hoặc đi đến chi phí đáng kể để tái cấu trúc dữ liệu để phát triển một phương pháp có thể không thành công. Ngoài ra, sự thay đổi trong nhận thức về sắc đẹp inevitably có nghĩa là những hệ thống như vậy sẽ cần một số mức độ cấu hình địa lý về những gì cấu thành ‘hấp dẫn’.

Thuộc Tính Liên Quan

Để xác định các yếu tố đóng góp chính cho một bức ảnh ‘hấp dẫn’ của một người, các nhà nghiên cứu cũng đã kiểm tra hiệu quả của các thay đổi khác nhau đối với hình ảnh, về cách những thay đổi đó tăng cường nhận thức về ‘sắc đẹp’ của thuật toán. Họ đã tìm thấy rằng ít nhất một trong những khía cạnh này quan trọng hơn đối với nhiếp ảnh tốt hơn là di truyền học:

Bên cạnh ánh sáng, các khía cạnh có tác động lớn nhất đến điểm số sắc đẹp là tóc mái (đối với nam giới, thường có thể tương đương với việc có một mái tóc đầy đủ), tư thế cơ thể và cách đặt mắt (trong đó việc tương tác với góc nhìn của máy ảnh là một yếu tố quan trọng cho sự hấp dẫn).

(Về ‘màu son môi’, hệ thống mới, có thể hoạt động hiệu quả trên cả nam và nữ, không phân biệt hình ảnh giới tính, mà thay vào đó dựa trên hệ thống phân biệt mới như một ‘bộ lọc’ trong khía cạnh này)

Phương Pháp

Hàm số phần thưởng trong cơ chế học tăng cường trong hệ thống mới được cung cấp bởi một hồi quy đơn giản trên dữ liệu SCUT, tạo ra dự đoán sắc đẹp khuôn mặt.

Hệ thống đào tạo lặp lại các hình ảnh đầu vào (phía dưới bên trái trong sơ đồ dưới đây). Ban đầu, một mô hình ResNet18 đã được đào tạo trước (đào tạo trên ImageNet) trích xuất các tính năng từ năm hình ảnh giống hệt (‘y’). Tiếp theo, một hành động biến đổi tiềm năng được dẫn xuất từ trạng thái ẩn của một lớp kết nối đầy đủ (GRUCell, trong hình ảnh dưới), và các biến đổi được áp dụng, dẫn đến năm hình ảnh thay đổi được đưa vào mạng lưới điểm thẩm mỹ, mà thứ hạng, theo phong cách Darwin, sẽ quyết định những biến thể nào sẽ được phát triển và những biến thể nào sẽ bị loại bỏ.

Một minh họa về quy trình đào tạo cho hệ thống mới.

Mạng lưới điểm thẩm mỹ sử dụng một mô-đun Chú ý Kênh Hiệu quả (ECA), trong khi một phiên bản được đào tạo trước của EfficientNet-B4 được giao nhiệm vụ trích xuất 1.792 tính năng từ mỗi hình ảnh.

Sau khi chuẩn hóa thông qua một hàm kích hoạt ReLU, một vectơ 4 chiều được thu lại từ mô-đun ECA, sau đó được làm phẳng thành một vectơ một chiều sau khi kích hoạt và làm池 trung bình thích ứng. Cuối cùng, kết quả được đưa vào mạng lưới hồi quy, mà thu lại một điểm số thẩm mỹ.

Một so sánh định tính về đầu ra của hệ thống. Ở hàng dưới, chúng ta thấy tổng hợp của tất cả các khía cạnh đã được xác định bởi phương pháp EigenGAN và sau đó được tăng cường. Điểm số FID trung bình cho các hình ảnh ở phía bên trái của các hàng (cao hơn là tốt hơn).

Kiểm Tra và Nghiên Cứu Người Dùng

Năm biến thể của phương pháp được đề xuất đã được đánh giá thuật toán (xem hình ảnh trên), với điểm số khoảng cách Fréchet (FID, được tranh luận ở một số góc độ) được gán cho tổng cộng 1000 hình ảnh được đưa qua hệ thống.

Các nhà nghiên cứu lưu ý rằng việc cải thiện ánh sáng đã đạt được điểm số hấp dẫn tốt hơn cho các đối tượng trong ảnh hơn một số thay đổi khác có thể (tức là đối với bản thân sự xuất hiện của người được miêu tả).

Để một mức độ nhất định, việc kiểm tra hệ thống theo cách này bị giới hạn bởi những đặc điểm của dữ liệu SCUT, không có nhiều ‘nụ cười rạng rỡ’, và các tác giả cho rằng điều này có thể quá mức đánh giá cao cái nhìn ‘bí ẩn’ trong dữ liệu, so với sở thích có thể của người dùng cuối mục tiêu (giả sử, trong trường hợp này, là thị trường phương Tây).

Tuy nhiên, vì toàn bộ hệ thống dựa trên ý kiến trung bình của chỉ 60 người (trong bài báo EigenGAN), và vì chất lượng được nghiên cứu còn xa với thực nghiệm, có thể lập luận rằng quy trình này còn vững chắc hơn dữ liệu.

Mặc dù nó được đề cập rất ngắn gọn trong bài báo, nhưng các hình ảnh từ EigenGAN và năm biến thể của hệ thống cũng được hiển thị trong một nghiên cứu người dùng hạn chế (tám người tham gia), những người được yêu cầu chọn ‘hình ảnh tốt nhất’ (từ ‘hấp dẫn’ đã được tránh).

Trên, giao diện được trình bày cho nhóm nghiên cứu nhỏ; dưới, kết quả.

Kết quả chỉ ra rằng đầu ra của hệ thống mới đã đạt được tỷ lệ lựa chọn cao nhất trong số người tham gia (‘MAES’ trong hình ảnh trên).

Sự Theo Đuổi (Vô Định?) Của Sắc Đẹp

Tiện ích của một hệ thống như vậy là khó xác định, mặc dù có vẻ như có một điểm nổi bật vùng của nỗ lực trong Trung Quốc hướng tới những mục tiêu này. Không có mục tiêu nào được phác thảo trong bài báo mới.

Bài báo EigenGAN trước đó gợi ý* rằng một hệ thống nhận biết sắc đẹp có thể được sử dụng trong các hệ thống khuyến nghị tổng hợp trang điểm khuôn mặt, phẫu thuật thẩm mỹ, làm đẹp khuôn mặt, hoặc tìm kiếm hình ảnh dựa trên nội dung.

Giả sử một cách có thể, một phương pháp như vậy cũng có thể được sử dụng trong các trang web hẹn hò, bởi người dùng, để ‘nâng cao’ ảnh hồ sơ của họ thành một ‘điểm may mắn’ đảm bảo, như một giải pháp thay thế cho việc sử dụng ảnh cũ, hoặc ảnh của người khác.

Tương tự, các trang web hẹn hò cũng có thể ‘đánh giá’ khách hàng của họ để tạo ra xếp hạng và thậm chí các cấp độ truy cập hạn chế, mặc dù điều này sẽ chỉ hoạt động thông qua quá trình xác thực sinh trắc học, chứ không phải thông qua ảnh được gửi (có thể cũng được ‘nâng cao’ bởi khách hàng, nếu phương pháp này trở nên phổ biến).

Trong quảng cáo, một phương pháp thuật toán để đánh giá sắc đẹp (một công nghệ được dự đoán bởi nhà văn khoa học viễn tưởng Michael Crichton trong bộ phim năm 1982 Looker) có thể được sử dụng để chọn đầu ra sáng tạo không được tăng cường có khả năng tham gia vào khán giả mục tiêu, trong khi khả năng tối đa hóa tác động thẩm mỹ của hình ảnh khuôn mặt, mà không ghi đè lên chúng theo phong cách giả mạo, có thể tăng cường hình ảnh hiệu quả nhằm thu hút sự quan tâm của công chúng.

Công việc mới được hỗ trợ bởi Quỹ Khoa học Tự nhiên Quốc gia Trung Quốc, Dự án Mở của Phòng thí nghiệm Quản lý và Kiểm soát Hệ thống Phức tạp Nhà nước, và Dự án Nghiên cứu Triết học và Khoa học Xã hội của Bộ Giáo dục Trung Quốc, cùng với các nhà tài trợ khác.

* Nhiều khuyến nghị của bài báo EigenGAN chỉ ra một cuốn sách thương mại có sẵn năm 2016 có tiêu đề ‘Mô hình Máy tính cho Phân tích Sắc Đẹp Khuôn Mặt’, chứ không phải là nguồn tài liệu học thuật.

Được xuất bản lần đầu vào ngày 11 tháng 8 năm 2022.