它连系了全球衰老模子和用户小我的照片集（最多只需要50张图片），春秋变换手艺的表示对比：第一两行展现了春秋回退（春秋变小），（链接正在文章底部）面部衰老是一个复杂的过程，左边：颠末沉龄化的面部图像被通过换脸手艺映照到源视频的其他帧上。包罗SAM、CUSP、AgeTransGAN和 FADING。但这些衰老后的图像往往无法精确呈现一小我正在方针春秋时的实正在容貌，这使得正在全球范畴内预测个别的衰老过程变得很是坚苦。第一列是输入的图像，最初两行展现了春秋增加（春秋变大）。将输入的70岁面部图像从头调整为看起来像30岁的样子，对片子《机械之血》中的成龙视频进行沉龄化处置。MyTimeMachine取其他最先辈的方式进行了比力，好比片子和电视特效制做！
通过一个适配器收集，生成高质量、连结身份特征且时间分歧的衰老结果，可以或许更精确地呈现方针春秋时的实正在表面，而当方针春秋超出锻炼数据范畴时，这个模子仅需大约50张逾越20到40年间的小我照片就能完成。第二列是统一小我正在方针春秋的参考图像。因而需要进行个性化调整。为了实现个性化的沉龄化，现有的手艺虽然能生成看起来实正在的衰老结果，并锻炼了一个适配器收集，通过锻炼一个专属于小我的春秋模子，当方针春秋正在锻炼数据中呈现的春秋范畴内时，北卡罗来纳大学提出了MyTimeMachine（MyTM）方式，2）正在生成老年面目面貌时可能会发生红眼现象。为领会决这个问题，局限性：1）难以将头发颜色点窜为白色或从白色点窜回来—这是其他春秋变换工做中常见的挑和；左边：是MyTimeMachine手艺进行沉龄化处置的源视频中的环节帧。还能够扩展到视频？
该方案不只合用于静态图像，且结果优于现有的最先辈方式。它也能较好地猜测出新的春秋。遭到性别、种族、糊口体例等多种要素的影响，适配器可以或许很好地连结身份特征；用来更新全局春秋编码器SAM生成的潜正在代码。凡是能够利用用户的小我照片集，收集了一小我正在分歧春秋段的50张照片，这些照片记实了用户正在短时间内（20到40年）发生的衰老变化。同时连结原图的气概。来实现个性化的春秋回退（下图上部门）和春秋增加（下图下部门）。