Jeneratif modellerle yüz görüntülerinin akılda kalıcılığını kontrol etme

Neden bazı yüzler zihnimizde kalır

Her gün ekranlarımızda sayısız yüze kaydırma yapıyoruz, fakat yalnızca birkaç tanesi aklımızda kalıyor. Reklamcılar, öğretmenler, sanatçılar ve hatta kolluk kuvvetleri, hangi görüntülerin insanların aklında kaldığını ve hangilerinin unutulduğunu önemser. Bu çalışma çarpıcı bir soru soruyor: bir yüz fotoğrafının akılda kalıcılığını, aynı kişiyi ve doğal görünümü koruyarak bilerek artırıp azaltabilir miyiz? Güçlü görüntü üreteçlerini kullanarak yazarlar, cevabın büyük ölçüde evet olduğunu ve akılda kalıcılığın kontrollü bir şekilde yönlendirilebileceğini gösteriyor.

Bir yüzün ne kadar akılda kalıcı olduğunu ayarlamanın yeni bir yolu

Araştırmacılar, özellikle soyut sayısal kodlardan son derece gerçekçi yüz görüntüleri oluşturabilen StyleGAN adlı sistemin de dahil olduğu jeneratif yapay zekâdaki son ilerlemelerin üzerine inşa ediyor. Her kod bir yüze karşılık geliyor. Büyük bir sentetik yüz koleksiyonu üreterek ve her birinin hatırlanma olasılığını derin öğrenme “akılda kalıcılık değerlendirme” ağlarıyla puanlayarak ekip, bu gizli kodlarla insan belleği arasında bir harita oluşturuyor. Ardından bu gizli uzayda daha akılda kalıcı yüzleri daha az akılda kalıcı olanlardan ayıran bir bölme yüzeyi bulmak için basit bir istatistiksel araç kullanıyorlar. Bir yüzün kodunu bu yüzeyi bir yönde geçecek şekilde hareket ettirmek, tahmini akılda kalıcılığını artırırken, ters yönde hareket ettirmek azaltıyor.

Kimliğini değiştirmeden görünüşü değiştirmek

Bu yöntemi gerçek fotoğraflar için kullanışlı hâle getirmek üzere yazarlar önce gerçek bir görüntüyü StyleGAN’in gizli uzayına “tersine çevirir”, yani orijinal yüzü yeniden oluşturan bir kod bulurlar. Bu kod bulunduğunda, akılda kalıcılık yönü boyunca hafifçe iterek görüntüyü yeniden üretirler. Ortaya çıkan yüzler aynı kişiye ait olur fakat artık akılda kalma olasılıkları daha yüksek veya daha düşük görünür. Titiz testler, kişilerin kimliklerinin korunduğunu ve görüntülerin gerçekçiliğinin düzenlenmemiş çıktılara yakın kaldığını gösteriyor. Ekip ayrıca akılda kalıcılığı tek bir sıçrama yerine birkaç küçük adımda ayarlayan daha ince, çok seviyeli bir versiyon geliştiriyor; bu daha nazik kontrol kimliği daha da istikrarlı tutuyor.

Bir yüz akılda kalıcı hâle geldiğinde aslında ne değişir

Binlerce düzenlenmiş yüzü inceleyerek çalışma, akılda kalıcılık arttığında hangi görsel ayrıntıların eğilimle değiştiğini ortaya çıkarıyor. Daha akılda kalıcı yüzler genellikle biraz daha genç görünen, daha ince yüz yapısına, daha parlak cilde, belirgin makyaja veya yüz kıllarına ve daha ciddi ifadelere sahip görünüyor. Araştırmacılar göz ve ağız çevresindeki yerel görüntü özelliklerini ölçerek, akılda kalıcılık artırıldığında göz bölgesi kontrastında ve dudak renginin zenginliğinde küçük fakat güvenilir artışlar buluyor. Ayrıca basit bir açıklamayı eliyorlar: yüzleri tekdüze olarak aydınlatmak veya karartmak, yöntemlerinin ürettiği daha güçlü, daha yerel düzenlemelere kıyasla akılda kalıcılık puanlarını neredeyse etkilemiyor.

Yüzlerin ötesinde gündelik nesnelere

Yaklaşım yalnızca insanlarla sınırlı değil. Yazarlar aynı fikri diğer jeneratif modeller tarafından oluşturulan kediler, atlar, arabalar ve kiliseler gibi nesne görüntülerine de uyguluyor. Yine gizli kod uzayında tahmini akılda kalıcılığı artıran veya azaltan bir yön buluyorlar. Nesneler için görünen değişiklikler çoğunlukla yakınlaştırma, bakış açısını kaydırma veya arka plan ve renk değiştirme gibi konunun öne çıkmasını sağlayan ayarlamaları içeriyor. Bu, yüzler ile nesneler arasındaki görsel ipuçlarının farklı olmasına rağmen temel ilkenin benzer olduğunu; olası görüntüler uzayında tutarlı yönler olduğunu ve bunların görüntüleri daha fazla ya da daha az hatırlanır kıldığını gösteriyor.

Neden kontrollü akılda kalıcılık önemlidir

Basitçe ifade etmek gerekirse, makale akılda kalıcılığın yalnızca görüntünün gizemli bir yan ürünü olmadığını; amaçlı olarak ayarlanabilecek bir şey olduğunu gösteriyor. Bilgisayarlar, görüntüleri ince görsel boyutlar boyunca itmeyi öğrenerek, zihinlerimizin daha kolay veya daha zor depolama eğiliminde olacağı yüzler ve nesneler yaratabilir. Bu, diyagramlar veya illüstrasyonların daha iyi hatırlanması için ayarlanabileceği eğitimde, ve önemli mesajların hafızada kalması amaçlanan iletişim ve tasarımda potansiyel kullanım alanlarına sahip. Aynı zamanda yazarlar, eğitimsel görüntüleri daha etkili kılacak araçların dikkat ve belleği şekillendirmek için kötüye kullanılma riskine karşı etik güvencelerin gerekliliğini vurguluyor.

Atıf: Younesi, M., Mohsenzadeh, Y. Controlling memorability of face images with generative models. Sci Rep 16, 15759 (2026). https://doi.org/10.1038/s41598-026-46581-z

Anahtar kelimeler: görüntü akılda kalıcılığı, yüz görüntüleri, jeneratif modeller, StyleGAN, gizli uzay düzenleme