StyleGene: Crossover and Mutation of Region-level Facial Genes for Kinship Face Synthesis

[vitalwarley]

Link.

Selecionando esse paper para a disciplina de IA Generativa.

@matheuslevi11 talvez possa ser uma possibilidade do seu TCC também. @tfvieira, o que acha?

[vitalwarley]

Por exemplo, uma sugestão seria avaliar o impacto de "completar" o FIW com mais amostras por indivíduo em famílias pequenas. Outra ideia é considerar o viés de idade: adicionar mais pares negativos de forma a aproximar a distribuição dos deltas de idade àquela dos pares positivos.

[matheuslevi11]

Opa, vou dar uma lida no paper

[matheuslevi11]

StyleGene possui um repositório com interface gráfica e os pesos do modelo pré-treinado, o que facilita a sua reprodução. Tive problemas com a interface gráfica, o código também não está adaptado para imagens PNG que possuem um quarto canal, de transparência, portanto testei o modelo a partir deste código:

from PIL import Image
from models.stylegene.api import synthesize_descendant

father = np.array(Image.open('/path_to_father_image'))
mother = np.array(Image.open('/path_to_mother_image'))

attributes = {'age': "0-2", 'gender': "male", 'gamma': 0.47, 'eta': 0.4}

imgf, imgm, img_c  = synthesize_descendant(father, mother, attributes)
Image.fromarray(img_c).show()

Opções de atributos:

• Idade: ["0-2", "3-9", "10-19", "20-29", "30-39", "40-49", "50-59", "60-69", "70+"]
• Gênero: ["male", "female"]
• Gamma e Eta: Entre 0 e 0.47

No geral, o cabelo não fica muito bom, o background é consistente, e a qualidade da face em si é boa, abaixo um exemplo masculino e um feminino que gerei: