最精確人臉識別模型破解人臉：結果難以想像

一組研究人員前不久發明了目前為止在計算機上建立3D面部模型的最先進技術。該系統可改進視頻遊戲中的個人虛擬形象、增強安保的面部識別準確性，還能使Snapchat推出更多濾鏡。

計算機處理人臉圖像時，有時會採用所謂的「3D變形模型」。該模型代表人臉的平均水平，但也包含常見的、偏離該平均水平的特徵信息。例如，如果你鼻子較長，你的兩腮也可能較長。考慮到此類相關性，計算機在對你的面部特徵進行分類時，並非將3D掃描的每個像素點都保存下來，而是列出幾百個可描述你與平均臉型的差異值，包括與年齡、性別和臉長大致相關的各類參數。

不過有一點需要注意。為了記錄各種面部差異，3D變形模型需要整合許多張人臉的信息。到目前為止，這需要對許多人的面部進行掃描、然後列出全部面部特徵。目前性能最出色的模型也僅包含幾百人的面部信息，其中大多為成年白人，因此在處理其它年齡和種族人群時水平有限。

帝國理工學院的計算機科學家詹姆斯·布斯和同事一起推出了一種新技術，可使3D變形模型完成自動搭建，並涵蓋更加豐富的人種。該方法主要分為三步。首先，運用演算法完成自動面部掃描，給鼻尖和其它特徵點打上「標籤」；其次，運用另一種演算法將全部掃描結果按特徵排序，並將它們整合成模型。最後，運用第三種演算法尋找並移除無效掃描結果。

「此次研究工作的重要貢獻在於，研究人員演示了如何自動開展這一過程。」約克大學計算機視覺專家威廉·史密斯指出。他並未參與此次研究。德國達姆施塔特弗勞恩霍夫計算機圖形研究所的艾倫·布倫頓也表示，給大量人臉的面部特徵打標籤是一件「極為繁瑣」的工作。「你以為打標籤不過是點一下面部特徵點，但其實沒那麼容易，有時很難看清嘴角究竟在哪裡，因此即使純靠人工、也難免出現誤差。」

但布斯和同事們並未因此止步。他們將這一方法運用在了一組包含近一萬張具有顯著人口學差異的面部掃描結果上。這些掃描結果由整形外科醫生艾倫·波尼亞和戴維·杜納威在倫敦的一家科學博物館採集，他們希望能改進重建手術的效果。於是他們找到了帝國理工學院的計算機科學家斯蒂法諾斯·扎菲里厄，幫助他們分析數據。

他們將新演算法運用在這些掃描結果上，創建了「大規模面部模型」。與現有模型同時接受測試時，LSFM模型的精確度要高得多。在進行其中一項對比時，他們用一名兒童的照片打造出了該兒童的面部模型。

利用LSFM打造出的模型看上去和該兒童很接近，但大多數現存變形模型生成的面部模型看上去僅僅是一位與之無關的成年人，因為後者以成年人數據為基礎。布斯和同事們甚至收集了足夠的掃描結果，打造更加精確的、包含不同種族和年齡人群的變形模型。他們的模型可以依據面部形狀，自動劃分其年齡範圍。

布斯的團隊已將這一新模型投入使用。在另一篇論文中，研究人員利用10萬張由LSFM模型合成的人臉對一款人工智慧程序進行訓練，讓其將普通的2D快照轉化為精確的3D模型。該技術可幫助我們從其它角度觀察攝像頭捕捉到的犯罪嫌疑人、或是預測其20年後的相貌。我們甚至能利用歷史人物肖像、打造栩栩如生的人物模型。

LSFM模型還具有醫學應用價值。若某人鼻子出現缺損，該技術便可幫助整形外科醫生根據其它面部特徵、預測裝上新鼻子後的外觀。面部掃描還可用於診斷威廉氏症候群患者，該疾病常與心臟疾病和發育遲緩相關，還有鼻子較短、嘴巴較寬等面部特徵。更精準的面部模型和差異信息可提升此類測試的敏感度。正如波尼亞指出，這一新模型「為我們打開了新大門」。

接下來，研究人員準備將面部表情加入到模型中，無論你在皺眉還是冷笑，都能被識別出來。扎菲里厄表示，他們將返回博物館，對更多遊客的面部進行掃描。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！