[No.28] Microsoftは超リアルな３Dフェイスを生成、顔写真の代わりに合成メディアで顔認識AIを教育できることを実証
gdepMicrosoftは合成メディア(Synthetic Media)の手法で３Dフェイスを生成した(下の写真)。
これは顔認識AIを教育するためのモデルで、実物と見分けのつかない超リアルな３Dフェイスが生成された。
今まではセレブなど実在の人物の顔写真を使って顔認識AIを教育してきた。しかし、これらの写真は本人の了解を取らないで無断で使われ、個人のプライバシーを侵害するとして社会問題となっている。
このため、Microsoftは、これらのデータセットを消去し、合成メディアの手法で３Dフェイスを作成し、これをアルゴリズム教育に活用できることを実証した。
研究の意義
倫理的に顔認識AIを教育するために、人工的に３Dフェイスを生成し、これでアルゴリズムを教育する手法が取られてきた。しかし、合成データで教育するとアルゴリズムの判定精度が落ちるという問題が発生する。
しかし、Microsoftは高品質の合成データを生成し、教育したアルゴリズムは写真データで教育したものと精度が変わらないことを示した。つまり、顔認識AIを教育するために、ネット上の顔写真をスクレイピングすることは不要で、合成データで倫理的に開発できる道筋をつけた。
顔認識AIの精度
合成データで顔認識アルゴリズムを教育すると、判定精度は写真で教育した場合と同等であることが示された。
顔認識アルゴリズムは顔のパーツを判定する機能(Face Pursing)があり、鼻や口や目やまつ毛などを識別して色で示す(下の写真左側)。
実際にベンチマークすると、写真で教育したものとほぼ同等の精度となることが証明された。
また、顔認識アルゴリズムは顔の特徴量(Landmarks)を特定する機能があり、合成データで教育すると10倍精密なランドマークを生成できる(右側)。
３Dフェイスモデル
MicrosoftはAIの手法(Generative 3D Face Model)で人物の頭部を三次元で生成する。
これは３Dフェイスモデルと呼ばれ、生成されたモデルは実在しない人物の顔を超リアルに生成する。
この手法はハリウッドの映画スタジオで使われる特撮技術(Visual Effects (VFX))で、映画スターがデジタルに生成されている。しかし、Microsoftの場合は教育データを大量に生成する必要があり、超リアルな３Dフェイスモデルを数多く生成する技法を開発した。
モデル生成のプロセス
このため、Microsoftはテンプレートを基準にして、それを変形する手法で多数の３Dフェイスモデルを生成した。
まず、AIはテンプレートとなる３Dフェイスモデル(下の写真左端)を生成する。
これをベースに、このモデルに個性(左から二番目)、表情(三番目)、スキン(四番目)、頭髪(五番目)、衣服(六番目)、背景(右端)を付加する。これにより、リアルで多様性のある３Dフェイスモデルを生成することができた。
３Dフェイスモデルの多様性
３Dフェイスモデルで教育された顔認識AIは特定の人種にバイアスすることなく公平に判定できることも示された。Microsoftは３Dフェイスモデルで教育した顔認識AIを多様性データセット「The MUCT Face Database」を使ってその判定精度を検証した(下の写真)。このデータセットは異なる性別や多様な人種で構成されており、多様性を検証するために使われる。
また、光の状態も様々で、現実社会に近い環境で顔認識AIの精度を検証できる。教育した顔認識AIはこのデータセットで正しく判定し、多様性のある実社会で利用できることが示された。
データセットを公開
Microsoftは生成した３DフェイスモデルをGitHubに公開しており、研究開発の目的で自由に利用することができる。
公開されているモデルの数は10万で、それぞれのモデルには70のアノテーションが付加されている(下の写真、フェイスモデルとアノテーション)。
研究者はこのモデルを使うことで、倫理的に顔認識AIを開発できる。
顔写真データセットを消去
これに先立ち、Microsoftは著名人の顔写真データセット「Microsoft Celeb (MS-Celeb-1M)」を開発し、これを公開していた。これは著名人の顔写真100万枚を格納したデータセットで、顔認識AIの教育で利用されてきた。
しかし、Microsoftはデータセットに格納している顔写真について、本人の同意を得ていないとして、全てのデータを消去し公開サイト「MS Celeb 」を閉鎖することを決定した。
顔写真収集に関する議論が広がる中、Microsoftは他社に先駆けてこれらを利用しない方針を打ち出した。
顔写真をスクレイピング
これとは対照的に、新興企業「Clearview」は顔認識AI開発するために、ソーシャルネットワークに掲載されている顔写真をスクレイピングしてアルゴリズムを教育した。
写真の数は30億枚を超え、世界最大規模の顔写真データセットを構築した。Clearviewが開発した顔認識アルゴリズムは判定精度が高く、全米の警察で犯罪捜査に利用されている。
これに対し、市民団体は、個人の顔写真を許可無く使用することは違法であるとして、Clearviewに対し集団訴訟を起こした。
合成メディアの手法で生成
フェイスブックなどに掲載している顔写真を収集し、これを顔認識AIの教育で使うことが社会問題となっているなか、倫理的な開発手法の模索が続いている。
消費者の了解を得て顔写真を収集するのでは大量のデータを準備できない。Microsoftは高品質な３Dフェイスモデルを大量に生成することに成功し、教育データを合成メディアの手法で生成する方式に注目が集まっている。
