从耳朵到脸 所有神经网络的深层缺陷 蠕虫在尾巴上平衡杆子 Kickstarter上的OpenCV AI套件 TensorFlow-Google的开源AI和计算引擎 众包取代新闻工作者 Google的DeepMind学会玩街机游戏 哑机器人V智能机器人 .NET与.NET 5融为一体 Google的深度学习-语音识别 LInQer将.NET LINQ移植到Javascript 机器人TED演讲-新的图灵测试? GAN的发明者加入苹果 您的智能手机会监视您键入的内容 人工智能帮助改善国际象棋 Zalando Flair NLP库已更新 TensorFlow 1.5包含移动版本 AlphaGo输了一场比赛-比分3-1 虚拟机器学习峰会 Microsoft开源AI调试工具 SharePoint走向移动 F#4.0发出文化变革的信号 克里斯蒂拍卖AI艺术品 人工智能如何区分 Facebook在蒙特利尔的新AI实验室 Mozilla想要您的声音 微软使用极深的神经网络赢得ImageNet 建立AI合作伙伴关系 .NET Core 3-Microsoft几乎回到了起点 神经网络-更好的销售商? Google使用AI查找您的住所 虹膜-适用于Android的Siri证明苹果没有优势 TensorFlow 2提供更快的模型训练 深度学习研究人员将为Google工作 Xamarin SDK开源 更正工具已添加到Google网站翻译器中 使用AI进行双检测 DARPA的AI下一步运动-20亿美元! AI在DARPA混战中击败了人类飞行员 Rodney Brooks称AI的状态 Arduino体内的蠕虫意识 深度学习找到您的照片 更多的机器学习应用于Google表格 深度天使-未来媒体操纵的AI ASP.NET更新并重命名 小猫猫猫探测器 .NET Jupyter笔记本宣布 介绍DeepSpeech 在Formula Pi中竞赛A YetiBorg Google开源准确解析器-Parsey McParseface
您的位置:首页 >前端 >

从耳朵到脸

新的研究给“请给我耳边”一词赋予了全新的含义。结果表明,给定人耳的图像,神经网络可以惊人的精度重建人脸。

ear2facebanner

好的,从一个层面上讲,这是大型图像数据库和基于GAN的模型可以完成的又一个示例。但是谁会想到,仅凭耳朵就能产生出与真实面孔非常相似的“假面孔”。看一下自己:

ear2facesample

这项研究来自伊斯坦布尔技术大学计算机工程系的学生Dogucan Yaman,Fevziye Irem Eyiokur和HazımKemal Ekenel,他们最初是对耳朵着迷的。他们于2017年在IET Biometrics上发表的第一篇论文“使用深度卷积神经网络对耳朵进行识别的域自适应”的目的是调查“无约束的耳朵识别问题”,并促使他们使用Multi-Pol收集Mutli-PIE耳朵数据集PIE人脸数据集。他们使用这种方法分析了耳朵图像质量(例如照明和长宽比)对分类性能的影响,这大概就是为什么上面一组照片的前五行中的某些耳朵图像质量低下的原因。

对于他们最近的研究,他们的目标是以他/她的耳朵图像作为输入来生成对象的正面图像。将问题表述为成对的图像到图像转换任务后,他们从Multi-PIE和FERET数据集中收集了耳朵和面部图像对的数据集,以训练基于GAN的模型。Ear2Face的论文标题引用了MIT CSAIL的最新研究,其中神经网络Speech2Face根据语音样本预测某人的长相,请参见Speech2Face-给我声音,而我给你面部学习突破。

机器学习的一大优点是如何让我们参与其中。尽管目前尚无足够的资料,但Dogucan Yaman已为Ear2Face建立了GitHub存储库,可在其中使用实验设置和代码。对于深度生物特征模态映射的基础,它的技术解释也较少。

即使如此,我也感到惊奇的是,这么多的信息只存在于一只耳朵中。虽然很明显,我们的基因决定了我们的面孔,而相同的基因决定了我们的耳朵长什么样,但谁会认为这两种结果之间存在很大的相关性。令人惊讶的是,耳朵的变化足以确定一张脸。可以猜测,耳朵所占的维数空间要比脸部低得多。但是,就像我在开始时所说的那样,如果您借给我耳朵,我可以露出您的脸。

ear2facesq

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。