I + D    Investigación

Reconstruir la cara de una persona a partir de su oreja

Investigadores desarrollan un sistema de biometría visual capaz de ‘traducir’ la imagen de una oreja en un rostro gracias al aprendizaje profundo

17 JUN. 2020
3 minutos

Dos investigadores del Karlsruhe Institute of Technology y uno del Istanbul Technical University desarrollan el proyecto Ear2Face con tecnología biométrica visual capaz de reconstruir la cara de una persona a partir de su oreja.

El equipo de investigación ha elaborado un modelo de red neuronal profunda de extremo a extremo que aprende a realizar un mapeo biométrico profundo, según el estudio recientemente publicado. El objetivo es generar una imagen del rostro de una persona partiendo de una imagen inicial solo de su oreja.

Los investigadores explican que lo platearon como una “tarea de traducción de imagen a imagen”, por lo que entrenaron a su sistema con imágenes de rostros y orejas. Además, han establecido un método que se preocupa tanto en términos de calidad de la reconstrucción como en términos de precisión de la identificación de la persona.

En este sentido, en este estudio aseguran que han obtenido “un rendimiento muy alto” a la hora de identificar personas: se ha alcanzado una precisión del 90,9%.

“Para evaluar la capacidad de generar los modelos ‘cartográficos’ aprendidos, hemos realizado experimentos de conjuntos de datos cruzados. Es decir, entrenamos el modelo en el conjunto de datos de FERET y lo probamos en el conjunto de datos Multi-PIE y viceversa”, señalan.

Por último, también se ha evaluado este nuevo modelo biométrico según la calidad de las imágenes faciales generadas, por lo que se han practicado experimentos de reconocimiento facial usando las imágenes de las caras reconstruidas a partir de una oreja.

Así, se sirve de una arquitectura GAN (redes generativas adversas) basada en el modelo pixel a pixel. “Mientras que la red generadora condicional lucha por generar datos artificiales que puedan engañar al discriminador, la red discriminadora trata de aprender la distribución de datos de entrenamiento y es responsable de discriminar entre datos reales y falsos”, puntualizan los investigadores.