Método para la Transformación Facial de Imágenes Sintéticas

Abstract

El gran desarrollo de las redes GAN ha producido grandes avances en áreas como el rejuvenecimiento facial, produciendo una calidad en la transformación y en las imágenes generadas nunca vista. Sin embargo esto conlleva varios problemas, uno es el problema de obtener el mismo rostro a distintas edades y la gran cantidad de ejemplos necesarios para entrenar el modelo. El otro problema es conseguir mantener las características del rostro en la transformación. Durante el desarrollo de este trabajo se abordarán estos problemas, por ello se desarrolló un método para la generación de rostros sintéticas y los modelos necesarios para su correcta clasificación y también un modelo basado en CycleGAN para el rejuvenecimiento. Además se evaluaron todos estos modelos con distintos experimentos.

The huge progress in the development of GANs has produced great advances in areas such as aging, providing a quality in the transformation and in the images generated that has never been seen before. However, this brings several problems, the first is obtaining the same face at different ages and the large number of examples needed to train the model. The other problem is how to maintain the features of the face in the transformation. During the development of this work, these problems will be addressed, for this reason a method was developed for the generation of synthetic faces and the necessary models for their correct classification and a CycleGAN-based model for rejuvenation was developed. In addition, all these models were evaluated with different experiments.