当观看像2018年的《蚁人与黄蜂女》这样的大片时，大多数观众可以很容易地发现为这些
电影做出贡献的许多视觉效果工作室的工作，如蚁人缩小或增长到巨大比例的华丽时刻。但有时更微妙的视觉特效工作可能是最难达到逼真效果的，比如以年轻版演员米歇尔`菲佛和迈克尔`道格拉斯为主角的镜头。为了获得像电影中所看到的那样的效果，有才华的艺术家们要么需要花费数周的时间来消除演员脸上的皱纹和其他明显的岁月痕迹，要么完全用计算机生成的替身来代替。
为什么动画电影和科幻片似乎并不相配？
视觉特效是一种强大的电影制作过程，有很多理由驱使其找到使其更容易创造的方法；从减轻已经工作过度和报酬不足的艺术家的负担，到使没有巨大的好莱坞规模预算的电影制作人能够使用这些工具。当然，即使对大型电影公司来说，能够将这种工作自动化也是有利润动机的。
这就是为什么像迪斯尼这样的公司投资于研究以帮助推进视觉效果的艺术和技术，但近年来，这些研究人员也一直在探索人工智能如何简化视觉效果工作。两年前，迪斯尼研究工作室开发了由人工智能驱动的工具，可以生成有足够质量和分辨率的换脸
视频用于专业电影制作。今年，研究人员展示了一种新的工具，利用人工智能的技巧使演员看起来更老或更年轻，减去了通常需要数周的工作来完善这类镜头。
为视觉效果准备的脸部再老化
使用神经网络和机器学习来使一个人变老或减龄的方法已经被尝试过，虽然在
应用于静止图像时结果足够令人信服，但它们在移动
视频上并没有产生逼真的结果，时间上的伪影会在每一帧之间出现和消失，而且随着改变后的视频播放，人的外表有时会变得难以辨认。
为了制作一个可以满足好莱坞需求的改变年龄的人工智能工具，并使其足够灵活地适用于移动镜头或演员不总是直视镜头的画面，迪斯尼的研究人员，正如最近发表的一篇论文所详述的那样，首先创建了一个由数千张随机生成的合成面孔组成的数据库。然后使用现有的机器学习老化工具对这几千张不存在的测试对象进行老化和减龄，然后用这些结果来训练一个名为FRAN（脸部再老化网络）的新神经网络。
图像逐步说明了FRAN是如何产生老化/减龄变化的，这些变化被应用于原始输入脸部。
当FRAN被输入一张头像时，它不是生成一张改变的头像，而是预测脸部哪些部分会因年龄而改变，如增加或去除皱纹，然后将这些结果作为额外的视觉信息渠道分层在原始脸部。这种方法准确地保留了表演者的外观和身份，即使他们的头在移动，他们的脸在四处张望，或者镜头中的照明条件随时间变化。它还允许艺术家对人工智能生成的变化进行调整和调整，这是视觉特效工作的一个重要部分：使改变完美地重新融入镜头，使观众看不到这些变化。
