목록을 보기 전에, 모든 것을 좌우하는 중요한 경고 사항이 있습니다. 사진을 늙게 만드는 앱은 오락용 필터입니다.. 인공지능을 이용해 평균적인 노화 패턴에 따라 주름, 잡티, 흰머리 등을 이미지에 입혀줍니다. 하지만 이는 예측이 아닙니다. 40년 후 당신의 모습이 어떨지는 유전, 건강, 햇빛 노출, 수면, 생활 습관 등 여러 요인에 따라 달라지기 때문에 누구도 정확히 알 수 없습니다. 결과적으로는 웃으면서 공유할 수 있는 재미있는 합성 사진들이 만들어집니다.
많은 사람들이 나이 든 사진이 "아버지랑 똑같아 보인다"거나 "할머니랑 똑같아 보인다"고 말합니다. 이는 당연한 반응이며, 그 이유는 간단합니다. 필터가 얼굴에 이미 존재하는, 대개 가족으로부터 물려받은 특징을 과장하기 때문입니다. 이는 앱의 정밀한 보정이라기보다는 통계적인 우연의 일치입니다.
여러 제품을 테스트해보고 그중 가장 좋은 4가지를 선정하여 작동 방식, 가격, 그리고 현재 구매처를 알려드립니다. 아래에서 확인해 보세요.
페이스앱
가장 인기 있는 것부터 시작해 보겠습니다. 페이스앱 이 앱은 얼굴 필터 기능으로 소셜 미디어에서 큰 인기를 얻었으며, 특히 나이 필터가 대표 기능입니다. 사진을 선택하고 하단 메뉴에서 원하는 옵션을 선택하기만 하면 됩니다. 나이 어린이, 청소년, 성인, 노인 중에서 선택하세요. "노인"은 앱 자체에서 사용하는 명칭이니 놀라지 마세요.
결과는 즉시 나타나며 저장하거나 소셜 미디어에 바로 공유할 수 있습니다. 이 앱은 또한 머리 색깔, 수염 색깔, 메이크업 및 배경 변경 기능도 제공합니다. 이것은 무엇인가: AI 기반 사진 편집기입니다. 나이 든 모습은 시뮬레이션일 뿐, 당신의 미래를 보여주는 것이 아닙니다. 무료입니다. 기계적 인조 인간 그것은 아이폰, "프로" 기능을 위한 선택적 구독 옵션도 제공됩니다.
페이스랩
영형 페이스랩 오늘날 안드로이드에서 가장 완벽한 대안 앱입니다. 나이 필터 외에도 머리카락, 수염, 탈모, 헤어스타일을 편집할 수 있어 단순히 주름을 추가하는 것보다 훨씬 더 재미있는 편집이 가능합니다.
과정은 언제나와 같습니다. 사진을 선택하고, 필터를 적용하고, 저장하거나 공유하면 됩니다. 이것은 무엇인가: 이미지 편집기입니다. 생성된 버전 중 어느 것도 예측 기능을 제공하지 않습니다. 무료입니다. 기계적 인조 인간 그것은 아이폰, 인앱 구매 기능이 포함되어 있습니다.
날 늙게 해줘
만약 복잡한 메뉴 없이 재미있는 부분만 원하신다면, 날 늙게 해줘 이 앱은 문제를 해결해 줍니다. 단 한 가지 기능만 수행합니다. 갤러리에서 사진을 선택하거나 카메라로 사진을 찍으면 몇 초 만에 노화 효과를 적용해 줍니다.
마음에 안 드세요? 다른 이미지로 다시 만들어 보세요. 그런 다음 갤러리에 저장하거나 친구에게 보내세요. 이것은 무엇인가: 재미 삼아 만들어 본 간단한 노화 필터입니다. 무료입니다. 기계적 인조 인간.
에이징부스
영형 에이징부스 이 앱은 해당 장르의 고전으로, 노화 효과에만 특화되어 있습니다. 사진을 선택하고 얼굴 윤곽을 조정한 후 시작 버튼을 누르기만 하면 됩니다. 재미있는 기능은 효과를 되돌리려면 기기를 흔들기만 하면 이미지가 원래 상태로 돌아간다는 점입니다.
다음 사항을 참고해 주십시오: 해당 앱은 플레이 스토어에서 삭제되었으며 현재는 다른 곳에서만 존재합니다. 아이폰, 무료로 이용 가능합니다. 안드로이드 사용자는 Make me Old 또는 FaceLab 앱을 사용할 수 있으며, 두 앱 모두 동일한 기능을 제공합니다. 이것은 무엇인가: 과학적 근거가 전혀 없는 오락성 필터.
검색에서 자주 등장하며 아이폰 전용으로 남아 있는 두 가지 이름을 더 언급할 가치가 있습니다. 올드파이, 유료 서비스이며, 효과가 나타나는 정확한 시기를 선택할 수 있습니다. HourFace: 3D 에이징 사진, 이 앱은 3D 효과를 제공하는 무료 앱입니다. 안드로이드에서 검색했는데 찾을 수 없었다면 바로 그 때문입니다.
당신이 좋아할 만한 다른 앱:
모델이 노화된 얼굴을 구성하는 방법
이 앱은 주름을 수동으로 그리는 것이 아닙니다. 먼저 눈꼬리, 눈썹 라인, 코 윤곽, 입가, 턱 등 얼굴의 기준점을 감지합니다. 이 지도를 통해 프로그램은 얼굴 각 부분의 위치를 파악합니다.
지도 데이터가 준비되면 학습된 신경망이 작동합니다. 이 신경망은 다양한 연령대의 사람들의 사진으로 구성된 방대한 데이터 세트를 통해 피부 질감의 변화, 처짐이 주로 나타나는 부위, 눈꺼풀 처짐, 모발 색소의 변화 등을 학습했습니다. 그 결과, 학습된 피부 질감이 얼굴 형태에 적용됩니다.
그래서 언뜻 보기에는 그럴듯해 보이지만, 자세히 보면 섬세한 부분이 눈에 띕니다. 피부에는 실제와 같은 모공, 잡티, 주름이 생기지만, 이 모든 것은 모델 본인의 피부가 아니라 학습 과정에서 모델이 접한 수천 개의 얼굴 데이터를 평균화한 결과입니다.
사실적인 결과를 도출하는 사진 요건.
결과물의 품질은 선택한 애플리케이션보다는 입력 이미지에 훨씬 더 크게 좌우됩니다. 아래 조건을 충족하는 사진은 이 범주의 어떤 앱에서든 일관된 노화 효과를 나타내는 경향이 있습니다.
- 대면, 두 눈이 모두 보이도록 카메라를 응시하고 있다.
- 확산광, 예를 들어 그늘진 곳, 흐린 날, 또는 간접광이 들어오는 창문 등이 있습니다.
- 선글라스와 모자는 착용하지 마세요., 눈가와 이마는 노화의 징후가 가장 뚜렷하게 나타나는 부위이기 때문입니다.
- 사진 한 장당 얼굴 한 개, 화면의 상당 부분을 차지하고 있습니다.
- 괜찮은 해상도, 확대하면 얼굴이 선명하게 보입니다.
측면 사진이나 3/4 각도 사진은 기준점의 절반이 사라지기 때문에 제대로 작동하지 않습니다. 모델은 숨겨진 눈의 위치를 추론하여 얼굴 형태를 왜곡합니다. 그 결과 노화는 나이와는 전혀 상관없는 변형을 동반하게 됩니다.
강한 조명 또한 적입니다. 직사광선, 번쩍이는 불빛, 혹은 단 하나의 조명은 코 주변과 눈 밑에 짙은 그림자를 만들어냅니다. 모델은 이 그림자를 기존의 주름으로 인식하고 그 위에 선을 더욱 짙게 그립니다. 결과적으로 얼굴은 한쪽이 다른 쪽보다 더 늙어 보이는 불균형한 노화된 모습이 됩니다.
결과물이 왜 평범하고 플라스틱처럼 보일까요?
이러한 유형의 모든 모델은 결과를 훈련 데이터 세트의 평균값으로 수렴시킵니다. 특정 세부 사항에 대해 불확실성이 클수록, 가장 자주 접했던 패턴에 의존하는 경향이 커집니다. 따라서 나이 든 사람이 완전히 다른 사람이 된 것 같고, 친구들도 모두 같은 주름이 생기는 것처럼 느껴지는 것입니다.
적용된 피부 질감이 지나치게 균일한 경우도 흔합니다. 실제 피부는 고르지 않게 노화되며, 햇볕에 더 많이 노출된 부위는 다른 부위보다 노화 징후가 훨씬 더 많이 나타납니다. 시뮬레이션은 이러한 효과를 더 균일하게 분포시키는데, 바로 이 균일성 때문에 마스크를 쓴 듯한 모습이 되는 것입니다.
이 기술이 어떤 부분을 변형시킬 수 있는지 그 한계를 이해하는 것이 중요합니다. 이 프로그램은 피부, 눈썹, 머리카락, 그리고 경우에 따라 볼살의 볼륨감을 조절할 수 있습니다. 하지만 뼈 구조를 바꾸거나 척추를 짧게 하거나 자세를 바꾸거나 신체 비율을 수정하지는 않습니다. 실제 노화는 이 모든 것을 포함하며, 시뮬레이션에서는 이러한 변화가 전혀 나타나지 않습니다.
단체 사진은 얼굴 인식기를 혼란스럽게 합니다. 작은 얼굴, 부분적으로 겹치는 얼굴, 또는 초점이 다른 곳에 있는 얼굴은 프로그램이 인접한 영역을 혼동하게 만듭니다.
해상도, 필터, 그리고 원본 이미지에서 남은 부분.
이미 뷰티 필터가 적용된 사진은 특별한 경우입니다. 이러한 필터는 모공을 매끄럽게 하고, 턱선을 갸름하게 하고, 눈을 크게 만듭니다. 노화 방지 앱은 이렇게 필터 처리된 얼굴을 실제 얼굴처럼 인식하여, 사용자의 얼굴이 아닌 필터 자체를 노화시킵니다. 그 결과, 매끄러운 얼굴에 주름이 생겨 부자연스럽고 인위적인 모습이 됩니다.
스크린샷을 찍으면 상황이 더 악화됩니다. 스크린샷은 화면에 표시된 내용을 그대로 저장하는데, 기존 이미지 압축 위에 새로운 압축 방식이 추가되기 때문입니다. 피부의 미세한 디테일이 사라지는데, 모델은 바로 이 디테일을 작업에 활용합니다.
디지털 줌도 비슷한 효과를 냅니다. 사진을 찍기 전에 확대한다고 해서 새로운 정보가 생성되는 것은 아닙니다. 기기는 센서의 중앙 부분을 잘라내고 보간법을 통해 확대합니다. 따라서 얼굴은 프레임 안에서 더 크게 보이지만 세부 묘사는 떨어집니다.
모델이 제대로 학습하지 못한 얼굴들
학습 데이터셋에 얼굴이 충분히 포함되지 않은 경우 정확도가 떨어집니다. 어두운 피부톤은 종종 밝은 피부톤에 맞춰 조정된 질감과 대비를 적용받아 잡티가 생기거나 지나치게 밝아지는 결과를 초래합니다. 아동의 경우, 모델에 아동 성장 과정의 예시가 부족하기 때문에 성인의 특징이 나타납니다. 노인의 경우, 프로그램이 더 이상 노화의 여지가 없는 얼굴에 고정된 나이 변화를 적용하기 때문에 과장된 특징이 나타납니다.
이 불균형은 데이터셋 자체의 문제이기 때문에 어떤 조정으로도 바로잡을 수 없습니다. 앱을 바꾸는 것은 스타일만 바꿀 뿐, 문제를 해결하는 것은 아닙니다.
시뮬레이션은 예측이 아닙니다.
화면에 나타나는 얼굴은 당신의 얼굴 형태에 맞춰 통계적 평균값을 적용한 것일 뿐입니다. 당신의 미래를 그린 초상화가 아닙니다.
30년 후 당신의 외모를 결정하는 것은 누적된 햇빛 노출, 수면, 흡연, 음주, 체중, 식단, 그리고 가장 중요한 유전적 요인입니다. 하지만 이 앱은 사진 한 장만 가지고 당신의 삶에 대한 데이터를 전혀 고려하지 않기 때문에 이러한 변수들은 계산에 반영되지 않습니다.
결과를 재미있는 것으로 여기면 기대감을 적절하게 유지할 수 있습니다. 반대로 결과를 예측으로 생각하면 결코 정확하게 예측할 수 없었던 이미지 때문에 좌절감만 느끼게 될 뿐입니다.
