El envejecimiento humano es profundamente fascinante. De hecho, a muchos les encantaría saber qué aspecto tendrá su cara dentro de 20, 30 ó 40 años.

Existen varias técnicas capaces de hacerlo, pero requieren mucho tiempo y, por lo tanto, resultan caras. Así que encontrar una forma manera rápida y barata de envejecer las caras a partir de una fotografía sería un truco bastante útil.

Aquí es donde entra el investigador de Orange Labs en Francia Grigory Antipov y varios compañeros. El equipo ha desarrollado una máquina de aprendizaje profundo que puede realizar esta tarea fácilmente. Su sistema no sólo consigue que un rostro joven parezca más viejo sino que también funciona al revés. 

El logro se basa en varios avances recientes. En los últimos años, los informáticos han desarrollado máquinas de aprendizaje profundo capaces de modificar las caras de varias maneras distintas pero realistas. Este enfoque puede generar rostros artificiales y realistas que parecen más mayores.

Pero hay un problema. En el proceso de envejecer una cara, las máquinas de aprendizaje profundo suelen perder la esencia de la identidad de la persona. Así que aunque la imagen tiene un aspecto más maduro, es difícil reconocer a la persona de la foto.

El equipo de Antipov ha detectado una forma de resolver ese problema. Su enfoque incluye dos máquinas de aprendizaje profundo que trabajan de forma coordinada: una genera las caras y la otra las distingue. Ambas máquinas aprenden qué aspecto tendría un rostro a medida que envejece gracias al análisis de imágenes de caras de distintos grupos de edad: 0-18, 19-29, 30-39, 40-49, 50-59 y 60+.

En total, las máquinas fueron entrenadas con 5.000 rostros de cada grupo procedentes de la base de datos Internet Movie Database (IMDB) y de Wikipedia que fueron etiquetadas con la edad de la persona. De esta manera, la máquina aprende la firma facial característica de cada grupo de edad. El generador de caras aplica esta firma abstracta a otras imágenes para lograr que parezca que tienen la misma edad.

Pero al aplicar esta firma a veces se pierde la identidad de una persona. Aquí es donde entra la segunda máquina, la que distingue un rostro de otro. Examina la cara envejecida artificialmente para comprobar si es capaz de identificar la identidad original. Si no puede, la imagen se rechaza.

El equipo de Antipov incluye su proceso bajo el paraguas del Age Conditional Generative Adversarial Network (Red Antagonista Generadora de Edad Condicional). El término antagonista se refiere a las tareas opuestas de cada una de las máquinas de aprendizaje profundo.

Los resultados son interesantes. El equipo aplicó la técnica a otras 10.000 caras de la base de datos IMDB-Wikipedia que no formaron parte del conjunto de entrenamiento. Entonces sometieron las imágenes de antes y después al software llamado OpenFace, que determina si las dos imágenes corresponden a la misma persona. Este programa identificó la misma cara más del 80% de las veces, frente al aproximadamente 50% de otras técnicas de envejecimiento de caras.

Y, por supuesto, la técnica no sólo envejece caras jóvenes sino también genera versiones más jóvenes de caras más viejas.

Hay una prueba obvia que el equipo aún no ha realizado. Debería ser posible comparar caras que han sido rejuvenecidas artificialmente con fotos de la misma cara cuando el individuo de verdad era más joven. Esa sería una buena prueba para evaluar cuán precisa es la técnica, así que tal vez debería ser el próximo paso de la investigación. 

El equipo de Antipov afirma que su técnica podría usarse para, por ejemplo, ayudar a identificar a personas que llevan desaparecidas muchos años. También podría resultar muy divertido jugar con ella, si deciden hacer público su algoritmo.

Ref: arxiv.org/abs/1702.01983: Face Aging with Conditional Generative Adversarial Networks