फोरेंसिक्स में डि-एजिंग नेटवर्क के साथ प्रिसिजन स्केचिंग

फोरेंसिक चेहरे की पहचान में चेहरे की उम्र बढ़ने की जटिलताओं से निपटते हुए, पारंपरिक स्केच पोर्ट्रेट अक्सर सटीकता में कमी करते हैं। यह अध्ययन एक ऐसा नवीन प्रणाली पेश करता है जो डि-एजिंग मॉड्यूल और स्केच जनरेटर मॉड्यूल को आसानी से मिलाता है ताकि मौजूदा विधियों की अंतर्निहित सीमाओं को दूर किया जा सके। डि-एजिंग मॉड्यूल चेहरे की विशेषताओं को पुनः युवा बनाने के लिए एक डीपफेक आधारित न्यूरल नेटवर्क का उपयोग करता है, जबकि स्केच जनरेटर मॉड्यूल जीवन जैसे स्केच बनाने के लिए एक पिक्स2पिक्स आधारित जनरेटिव प्रतियोगी नेटवर्क (GAN) का लाभ उठाता है। CUHK और AR डेटा सेट पर व्यापक मूल्यांकन प्रणाली की श्रेष्ठता को रेखांकित करते हैं। महत्वपूर्ण रूप से, व्यापक परीक्षण प्रशिक्षण प्रक्रिया के दौरान यथार्थता में उल्लेखनीय सुधार प्रकट करते हैं, जिसे फ्रेचेट इन्प्शन दूरी (FID) स्कोर में महत्वपूर्ण कमी (CUHK के लिए 41.7, AR के लिए 60.2), बढ़ी हुई संरचनात्मक समानता अनुक्रमांक (SSIM) मान (CUHK के लिए 0.789, AR के लिए 0.692), और बेहतर पीक सिग्नल-टू-नॉइज़ अनुपात (PSNR) मेट्रिक्स (CUHK के लिए 20.26, AR के लिए 19.42) द्वारा प्रदर्शित किया गया है। ये निष्कर्ष चेहरे की पहचान अनुप्रयोगों की सटीकता और विश्वसनीयता में महत्वपूर्ण प्रगति को रेखांकित करते हैं। महत्वपूर्ण बात यह है कि प्रणाली, जो लिंग, जाति और संस्कृति के बीच विविध चेहरे के लक्षणों को संभालने में सक्षम है, संयुक्त और हाथ से बने स्केच दोनों उत्पन्न करती है, मौजूदा सर्वोत्तम तरीकों की क्षमताओं को पार करती है। यह शोध डि-एजिंग नेटवर्क और स्केच जनरेशन के एकीकरण से उत्पन्न परिवर्तनीय संभावनाओं को उजागर करता है, विशेष रूप से उम्र-स्थायी फोरेंसिक अनुप्रयोगों के लिए, और डि-एजिंग प्रौद्योगिकी में नवाचारों की निरंतर आवश्यकता को उजागर करता है जिनका व्यापक सामाजिक और तकनीकी प्रभाव है।