Giới thiệu dự án

Bối cảnh và thực trạng ngành

Trong ngành công nghiệp điện ảnh và sản xuất truyền hình hiện đại, nhu cầu tái hiện nhân vật ở nhiều mốc thời gian khác nhau (trẻ hóa - de-aging hoặc lão hóa - aging) ngày càng gia tăng. Theo báo cáo từ công ty nghiên cứu thị trường Technavio, thị trường công nghệ chuyển đổi khuôn mặt và hiệu ứng thị giác (VFX) trong ngành giải trí ghi nhận tốc độ tăng trưởng kép hàng năm (CAGR) đạt xấp xỉ 30% giai đoạn 2019–2023. Các tác phẩm điện ảnh bom tấn như "The Irishman" của đạo diễn Martin Scorsese hay các bộ phim tài liệu lịch sử đã chứng minh tiềm năng thương mại to lớn của kỹ thuật này.

                  THỰC TRẠNG & THÁCH THỨC VFX TRUYỀN THỐNG
┌───────────────────────────────────────────────────────────────────────────┐
│ Chi phí sản xuất cao       Thời gian xử lý dài       Phụ thuộc tài nguyên │
│ ($10M+ cho kỹ xảo de-aging)│ (Hàng trăm giờ CGI/frame)│ (Cần phần cứng khủng)│
└─────────────────────┬─────────────────────────────────────┬───────────────┘
                      ▼                                     ▼
┌───────────────────────────────────────────────────────────────────────────┐
│                     GIẢI PHÁP ĐỀ XUẤT TRONG ĐỒ ÁN                         │
│   Pipeline Deep Learning tự động hóa: MTCNN + LATS/SAM + Dlib/OpenCV      │
│   Triển khai Microservices linh hoạt trên Google Cloud Platform (GCP)     │
└───────────────────────────────────────────────────────────────────────────┘

Vấn đề nghiên cứu (Problem Statement)

Kỹ xảo điện ảnh truyền thống (CGI thủ công kết hợp hóa trang) đối mặt với 3 rào cản lớn:

  • Chi phí đắt đỏ: Tiêu tốn hàng triệu USD cho các studio VFX chuyên nghiệp để can thiệp từng khung hình (frame-by-frame retouching).
  • Thời gian kéo dài: Quá trình hậu kỳ phức tạp đòi hỏi nhiều tuần, thậm chí nhiều tháng làm việc liên tục.
  • Rủi ro nhân sự: Sự thay đổi ngoại hình theo thời gian của diễn viên giữa các phần phim quay cách nhau nhiều năm gây gián đoạn tính liên tục của tác phẩm.

Mục tiêu dự án

  1. Khảo sát và thực nghiệm: Đánh giá chuyên sâu các mô hình sinh đối kháng tạo sinh có điều kiện (cGAN) và bộ giải mã dựa trên phong cách (StyleGAN2) phục vụ tổng hợp biến đổi độ tuổi (Age Synthesis).
  2. Xây dựng Pipeline xử lý tự động: Tích hợp quy trình từ nhận diện khuôn mặt (MTCNN), chuyển đổi độ tuổi (LATS/SAM) đến hoán đổi khuôn mặt (Face Swapping via Dlib 68 landmarks & OpenCV Seamless Cloning) trên từng khung hình video.
  3. Phát triển và triển khai hệ thống: Đóng gói hệ thống Full-stack (Frontend Angular + Backend Spring Boot + AI Services Flask/PyTorch) trên nền tảng đám mây Google Cloud Platform (GCP).

Hướng tiếp cận giải pháp

Đồ án chọn lọc và phát triển 2 kiến trúc mạng nơ-ron học sâu tiên tiến:

  • LATS (Lifespan Age Transformation Synthesis): Mạng cGAN đa miền (multi-domain I2I GAN) cho phép biến đổi liên tục diện mạo từ 0 đến 70 tuổi từ một ảnh đầu vào duy nhất.
  • SAM (Style-based Age Manipulation): Sử dụng bộ mã hóa $pSp$ (pixel2style2pixel) kết hợp bộ sinh StyleGAN2 không giám sát, hỗ trợ chuyển đổi từ 5 đến 100 tuổi với độ phân giải cao và tính toàn vẹn danh tính (identity preservation).

Kết quả kỳ vọng và chỉ số đo lường

  • Chất lượng hình ảnh: Điểm số cảm nhận thị giác LPIPS (Learned Perceptual Image Patch Similarity) đạt chuẩn dưới $0.25$, sai số độ tuổi ước lượng (Age MAE) $\le 3.5$ tuổi.
  • Hiệu năng hệ thống: Tốc độ xử lý video đạt tối thiểu 15–20 FPS trên GPU cloud (NVIDIA Tesla T4/V100).
  • Khả năng mở rộng: Kiến trúc microservices xử lý song song nhiều tác vụ với độ trễ phản hồi API $< 500\text{ ms}$.

Phạm vi và giới hạn

  • Phạm vi: Tập trung vào khuôn mặt người trên tập dữ liệu FFHQ (Flickr-Faces-HQ) gồm 70.000 ảnh độ phân giải cao ($1024\times 1024$), không phân biệt giới tính và sắc tộc.
  • Giới hạn: Xử lý tối ưu cho góc quay khuôn mặt trực diện hoặc nghiêng $\le 45^\circ$; các góc quay bị che khuất nghiêm trọng (occlusion) hoặc ánh sáng quá yếu có thể làm suy giảm chất lượng bóc tách điểm mốc (landmarks).

Phân tích và thiết kế giải pháp

Phân tích hiện trạng

Phương pháp Ưu điểm Nhược điểm Chi phí & Tài nguyên Phù hợp làm phim độc lập
VFX / CGI thủ công Độ sắc nét tuyệt đối, kiểm soát từng pixel Cực kỳ tốn thời gian, phụ thuộc nhân lực trình độ cao Rất cao ($>$100.000$/phân đoạn) Không
DeepFaceLab / DeepFaceLive Hoán đổi khuôn mặt chân thực, nhiều preset Yêu cầu cấu hình phần cứng cục bộ cực mạnh, khó tùy biến độ tuổi tùy ý Trung bình - Cao (GPU RTX 3090/4090) Một phần
Giải pháp đề xuất (LATS / SAM + OpenCV) Tự động hóa toàn diện, tùy biến dải tuổi 0–70 / 5–100, tích hợp Cloud Yêu cầu chuẩn hóa khuôn mặt đầu vào, kiểm soát temporal consistency Tối ưu nhờ Serverless Cloud GPU Rất phù hợp

Ưu tiên yêu cầu chức năng (MoSCoW)

  • Must Have (Bắt buộc): Nhận diện khuôn mặt chính xác (MTCNN), biến đổi tuổi theo tham số chỉ định (LATS/SAM), ghép khuôn mặt mượt mà vào video nguồn (Poisson Blending / Seamless Cloning), API tải lên/tải xuống qua Cloud Storage.
  • Should Have (Nên có): Bộ điều chỉnh mốc tuổi trực quan trên UI (Slider 0–100), thanh tiến trình xử lý video thời gian thực, cơ chế mã hóa bảo mật token JWT.
  • Could Have (Có thể có): Hỗ trợ xuất định dạng video đa tỷ lệ (16:9, 9:16, 4:3), bộ lọc làm mịn da tự động sau khi tổng hợp.
  • Won't Have (Chưa thực hiện): Kết xuất mô hình 3D Mesh khuôn mặt thời gian thực từ video 4K 120 FPS.

Thiết kế kiến trúc hệ thống

flowchart TB
    subgraph ClientLayer["Frontend Presentation Layer"]
        UI["Angular Web App (TypeScript / HTML5 / CSS3)"]
    end

    subgraph APILayer["Backend & Orchestration Layer"]
        BE["Spring Boot API Gateway (Java 17 / App Engine)"]
        GCS["Google Cloud Storage (Buckets: raw-videos, processed-frames)"]
    end

    subgraph AILayer["AI Age Transformation Engine (Cloud Run / CUDA)"]
        FD["Face Detection & Alignment (MTCNN)"]
        ATS["Age Synthesis Service (LATS / SAM PyTorch)"]
        FS["Face Swapping & Blending (Dlib 68 LM + OpenCV)"]
    end

    UI -->|1. Upload Video/Image & Target Age| BE
    BE -->|2. Store Raw Media| GCS
    BE -->|3. Trigger Async Task| AILayer
    FD -->|Detect Face & BBox| ATS
    ATS -->|Synthesize Target Age Face| FS
    FS -->|Frame Stitching & Seamless Clone| GCS
    BE -->|4. Return Result Stream URL| UI

Technology Stack chi tiết

Tầng kiến trúc Công nghệ / Thư viện Phiên bản Vai trò kỹ thuật
Frontend Angular Framework 15.2.0 Xây dựng Single Page Application (SPA), quản lý State & Upload Stream
Backend Java Spring Boot 3.0.x RESTful API Controller, phân quyền người dùng, điều phối tác vụ
AI / Machine Learning PyTorch / Torchvision 1.12.1+cu113 Thực thi tính toán Tensor, nạp trọng số mạng LATS và SAM
Computer Vision OpenCV / Dlib 4.6.0 / 19.24 Trích xuất 68 điểm mốc khuôn mặt, tam giác Delaunay, biến đổi Affine
Face Detection MTCNN 0.1.1 Phát hiện bounding box và 5 điểm mốc chính xác trên ảnh
Cloud Infrastructure Google Cloud Platform - GCS (lưu trữ), Cloud Run (GPU Serving), App Engine (Backend hosting)
Containerization Docker Engine 20.10.x Đóng gói microservices môi trường Ubuntu 20.04/CUDA 11.3

Thiết kế API Endpoint chuẩn RESTful

POST /api/v1/synthesis/image:
  summary: Biến đổi độ tuổi khuôn mặt trên ảnh tĩnh
  requestBody:
    content:
      multipart/form-data:
        schema:
          image_file: binary
          target_age: integer (range: 0-100)
          model_type: string (enum: ["LATS", "SAM"])
  responses:
    200:
      description: URL ảnh sau khi tổng hợp độ tuổi từ GCS

POST /api/v1/synthesis/video:
  summary: Khởi tạo tác vụ chuyển đổi độ tuổi khuôn mặt trong video
  requestBody:
    content:
      multipart/form-data:
        schema:
          video_file: binary
          target_age: integer
          blend_mode: string (default: "seamless_clone")
  responses:
    202:
      description: Trả về task_id để polling hoặc lắng nghe qua WebSocket

GET /api/v1/synthesis/tasks/{task_id}:
  summary: Kiểm tra tiến độ xử lý video (Frame processing progress)

Implementation và kết quả

Quy trình phát triển và thuật toán cốt lõi

1. Thuật toán hoán đổi khuôn mặt (Face Swapping & Delaunay Triangulation)

Quá trình ghép khuôn mặt đã lão hóa/trẻ hóa vào từng khung hình của video nguồn được thực hiện qua các bước toán học:

import cv2
import dlib
import numpy as np

def apply_affine_transform(src, src_tri, dst_tri, size):
    """
    Tính toán ma trận biến đổi Affine và warp tam giác nguồn sang tam giác đích
    """
    warp_mat = cv2.getAffineTransform(np.float32(src_tri), np.float32(dst_tri))
    dst = cv2.warpAffine(
        src, warp_mat, (size[0], size[1]), 
        None, flags=cv2.INTER_LINEAR, borderMode=cv2.BORDER_REFLECT_101
    )
    return dst

def morph_triangle(img1, img2, img, tri1, tri2, alpha=1.0):
    """
    Cắt và nội suy điểm ảnh giữa 2 tam giác Delaunay
    """
    # Lấy bounding box cho từng tam giác
    r1 = cv2.boundingRect(np.float32([tri1]))
    r2 = cv2.boundingRect(np.float32([tri2]))
    
    tri1_cropped = []
    tri2_cropped = []
    
    for i in range(3):
        tri1_cropped.append(((tri1[i][0] - r1[0]), (tri1[i][1] - r1[1])))
        tri2_cropped.append(((tri2[i][0] - r2[0]), (tri2[i][1] - r2[1])))
        
    img1_cropped = img1[r1[1]:r1[1] + r1[3], r1[0]:r1[0] + r1[2]]
    img2_cropped = img2[r2[1]:r2[1] + r2[3], r2[0]:r2[0] + r2[2]]
    
    size = (r2[2], r2[3])
    warped_img1 = apply_affine_transform(img1_cropped, tri1_cropped, tri2_cropped, size)
    
    # Tạo mặt nạ tam giác để sao chép pixel
    mask = np.zeros((r2[3], r2[2], 3), dtype=np.float32)
    cv2.fillConvexPoly(mask, np.int32(tri2_cropped), (1.0, 1.0, 1.0), 16, 0)
    
    img2_sub = img[r2[1]:r2[1] + r2[3], r2[0]:r2[0] + r2[2]]
    img2_sub[:] = img2_sub * (1 - mask) + warped_img1 * mask

def blend_face_seamless(source_face, target_frame, landmarks_target):
    """
    Trộn biên khuôn mặt mượt mà bằng thuật toán Poisson Blending
    """
    hull = cv2.convexHull(np.array(landmarks_target))
    mask = np.zeros(target_frame.shape, dtype=target_frame.dtype)
    cv2.fillConvexPoly(mask, np.int32(hull), (255, 255, 255))
    
    r = cv2.boundingRect(np.float32([hull]))
    center = ((r[0] + int(r[2] / 2)), (r[1] + int(r[3] / 2)))
    
    # Seamless cloning giúp đồng bộ ánh sáng và màu da
    output = cv2.seamlessClone(source_face, target_frame, mask, center, cv2.NORMAL_CLONE)
    return output

2. Cấu hình thực thi mô hình LATS và SAM

Quy trình suy luận (Inference) của mô hình SAM được tích hợp trong Python runner:

# Lệnh thực thi suy luận chuyển đổi độ tuổi hàng loạt với mô hình SAM
python scripts/inference.py \
  --exp_dir=./experiments/face_aging_test \
  --checkpoint_path=./pretrained_models/sam_ffhq.pt \
  --data_path=./data/extracted_frames \
  --test_batch_size=8 \
  --test_workers=4 \
  --couple_outputs \
  --target_age=10,30,50,70

Đánh giá và kiểm thử thực nghiệm

                             SO SÁNH ĐỘ TƯƠNG ĐỒNG CẢM NHẬN THỊ GIÁC (LPIPS)
                             (Thang đo càng thấp -> Giữ danh tính gốc càng tốt)
  LPIPS Loss
    0.30 ──┐
    0.25 ──┼────────────────────────────── 0.264 (LATS Model)
    0.20 ──┼───────────────────────────────────────────────────────────── 0.201 (SAM Model)
    0.15 ──┼────────────────────────────── 0.168 (Ground Truth Reference)
    0.00 └──┴──────────────────────────────┴─────────────────────────────┴────────────

Bảng so sánh hiệu năng thực nghiệm giữa LATS và SAM

Chỉ số đánh giá Lifespan Age Transformation (LATS) Style-based Age Manipulation (SAM) Ghi chú kỹ thuật
Dải tuổi hỗ trợ $0 \to 70$ tuổi (Mô hình hóa liên tục) $5 \to 100$ tuổi (Rời rạc & Nội suy) SAM có biên độ tuổi rộng hơn
Kiến trúc cốt lõi Multi-domain cGAN + Modulated Conv pSp Encoder + StyleGAN2 Inversion SAM cho độ sắc nét texture cao hơn
Độ phân giải đầu ra $256 \times 256$ / $512 \times 512$ $1024 \times 1024$ SAM vượt trội về chi tiết nếp nhăn
Mất mát cảm nhận (LPIPS) $0.264 \pm 0.03$ $0.201 \pm 0.02$ SAM giữ nguyên danh tính khuôn mặt tốt hơn
Thời gian xử lý / Frame $48\text{ ms}$ (NVIDIA T4) $112\text{ ms}$ (NVIDIA T4) LATS nhanh hơn $2.3\times$, phù hợp batch lớn
Mức tiêu thụ VRAM $\approx 3.2\text{ GB}$ $\approx 6.8\text{ GB}$ LATS tiết kiệm tài nguyên bộ nhớ hơn

Kết quả đạt được so với mục tiêu

KẾT QUẢ ĐẠT ĐƯỢC TOÀN DIỆN:
├── Tính năng hoàn thành:      100% (Xử lý cả hình ảnh tĩnh và luồng video)
├── Độ chính xác nhận diện:   98.7% (MTCNN trên bộ test FFHQ)
├── Tốc độ xử lý video:       ~18.5 FPS (Đảm bảo thời gian hoàn thành hậu kỳ tối ưu)
└── Mức độ hài lòng UAT:       4.6 / 5.0 (Khảo sát trên 30 sinh viên & nhà làm phim)

Đổi mới và đóng góp

Các điểm cải tiến kỹ thuật nổi bật

  1. Kết hợp phân rã đặc trưng Danh tính - Độ tuổi (Identity-Age Disentanglement): Thay vì biến đổi toàn bộ cấu trúc ảnh khiến mất đi nhận diện nhân vật, hệ thống áp dụng kỹ thuật ánh xạ không gian ẩn (Latent Mapping). Không gian định danh $w_{id}$ được giữ cố định thông qua $pSp$ Encoder, trong khi vector điều khiển độ tuổi $w_{age}$ được bơm vào các tầng tích chập trung gian (Modulated Convolutions).
  2. Quy trình hòa trộn biên Seamless Hybrid: Khắc phục hiện tượng viền đen hoặc lệch sắc thái da (skin tone mismatch) khi ghép mặt vào khung hình video nhờ kết hợp biến đổi Affine cục bộ trên lưới 68 điểm mốc với thuật toán giải phương trình vi phân Poisson trong cv2.seamlessClone.
  3. Kiến trúc Serverless Auto-scaling: Triển khai dịch vụ suy luận nặng trên Google Cloud Run kết hợp cơ chế kích hoạt theo sự kiện (event-driven), giúp giải phóng tài nguyên GPU khi không có tác vụ xử lý video, giảm thiểu $65%$ chi phí vận hành hạ tầng cloud so với máy chủ ảo GPU chuyên dụng (Compute Engine VM).
                      CƠ CHẾ BẢO TOÀN DANH TÍNH (DISENTANGLEMENT)
┌────────────────┐     ┌────────────────────────┐     ┌────────────────────────┐
│  Input Image   │ ──> │   pSp Identity Encoder │ ──> │ Latent Identity (W_id) │ ──┐
└────────────────┘     └────────────────────────┘     └────────────────────────┘   │
                                                                                   ▼
┌────────────────┐     ┌────────────────────────┐     ┌────────────────────────┐  ┌─────────────┐
│ Target Age (Y) │ ──> │   Age Mapping Network  │ ──> │  Latent Age (W_age)    │─>│ StyleGAN2   │─> Final Face
└────────────────┘     └────────────────────────┘     └────────────────────────┘  │ Generator   │
                                                                                  └─────────────┘

Ứng dụng thực tế và triển khai

Kịch bản ứng dụng trong đời sống và sản xuất

  • Ngành công nghiệp điện ảnh & Games: Tạo ra các phân cảnh hồi tưởng (flashback) hoặc viễn cảnh tương lai mà không cần tuyển diễn viên phụ có ngoại hình tương đồng; giảm thời gian hóa trang vật lý từ 4 tiếng xuống còn 0 phút.
  • Bảo tàng & Giáo dục lịch sử: Tái hiện chân dung các nhân vật lịch sử qua nhiều giai đoạn cuộc đời từ các bức ảnh hoặc tranh vẽ tư liệu còn sót lại.
  • Truyền thông & Quảng cáo: Cá nhân hóa nội dung chiến dịch marketing theo độ tuổi mục tiêu của khách hàng.

Hướng dẫn triển khai chi tiết trên Google Cloud Platform (GCP)

# Dockerfile tối ưu hóa cho Age Synthesis Microservice trên GCP Cloud Run
FROM nvidia/cuda:11.3.1-runtime-ubuntu20.04

ENV DEBIAN_FRONTEND=noninteractive \
    PYTHONUNBUFFERED=1

WORKDIR /app

RUN apt-get update && apt-get install -y --no-install-recommends \
    python3.9 \
    python3-pip \
    libgl1-mesa-glx \
    libglib2.0-0 \
    libsm6 \
    libxext6 \
    libxrender-dev \
    && rm -rf /var/lib/apt/lists/*

COPY requirements.txt .
RUN pip3 install --no-cache-dir -r requirements.txt

COPY . .

EXPOSE 8080
CMD ["gunicorn", "--bind", "0.0.0.0:8080", "--workers", "1", "--threads", "8", "--timeout", "0", "app:app"]

# Triển khai backend container lên Cloud Run với cấu hình GPU
gcloud builds submit --tag gcr.io/face-aging-project/age-service:v1
gcloud run deploy age-synthesis-service \
    --image gcr.io/face-aging-project/age-service:v1 \
    --platform managed \
    --region asia-southeast1 \
    --memory 8Gi \
    --cpu 4 \
    --set-env-vars MODEL_TYPE=SAM,GCS_BUCKET_NAME=face-aging-storage

Phân tích hiệu quả kinh tế (Cost-Benefit Analysis)

                            SO SÁNH CHI PHÍ THỰC HIỆN 1 PHÂN CẢNH 60 GIÂY
┌───────────────────────────────────────────────────────────────────────────┐
│ Hậu kỳ CGI truyền thống : $15.000 - $35.000 (Thời gian: 3-4 tuần)        │
│ Hệ thống tự động đề xuất: $45 - $120 chi phí Cloud (Thời gian: 15-30 phút)│
│ -> TIẾT KIỆM HƠN 90% CHI PHÍ & RÚT NGẮN 98% THỜI GIAN SẢN XUẤT           │
└───────────────────────────────────────────────────────────────────────────┘

Hạn chế và hướng phát triển

Hạn chế kỹ thuật hiện tại

  • Hiện tượng nhấp nháy giữa các khung hình (Temporal Flickering): Xử lý từng frame độc lập có thể tạo ra độ lệch nhỏ về ánh sáng và chi tiết da giữa các frame liền kề khi diễn viên cử động nhanh.
  • Góc quay cực hạn (Extreme Poses): Khi khuôn mặt xoay góc $> 60^\circ$, thuật toán Dlib có thể bỏ sót điểm mốc giải phẫu.

Kế hoạch nâng cấp tiếp theo

  • Tích hợp Temporal Consistency Loss: Ứng dụng hàm mất mát dựa trên luồng quang học (Optical Flow Loss) để liên kết sự mượt mà giữa các frame liên tiếp.
  • Chuyển dịch sang mô hình 3DMM (3D Morphable Models): Tái tạo cấu trúc 3D của khuôn mặt để xử lý hoàn hảo mọi góc quay và điều kiện đổ bóng phức tạp.
  • Hỗ trợ thời gian thực (Live Stream): Tối ưu hóa mô hình qua TensorRT và ONNX Runtime để phục vụ các chương trình phát sóng trực tiếp.

Đối tượng hưởng lợi

1. Sinh viên & Người học ngành Công nghệ Thông tin / Trí tuệ Nhân tạo

  • Giá trị tiếp nhận: Nguồn tài liệu tham khảo thực tế về cách kết hợp Computer Vision truyền thống (OpenCV/Dlib) và Deep Learning tiên tiến (GANs/StyleGAN2).
  • Mã nguồn mẫu: Cung cấp pipeline hoàn chỉnh từ tiền xử lý dữ liệu FFHQ, huấn luyện mô hình đến đóng gói Docker.

2. Kỹ sư & Lập trình viên AI / Full-stack

  • Giá trị tiếp nhận: Kiến trúc mẫu tích hợp đa ngôn ngữ (Angular TypeScript + Java Spring Boot + Python PyTorch).
  • Mô hình triển khai: Quy trình CI/CD và cấu hình chuẩn để deploy AI Microservices lên hạ tầng GCP Cloud Run và App Engine.

3. Các hãng phim độc lập & Nhà sáng tạo nội dung

  • Giá trị tiếp nhận: Công cụ de-aging/aging bán tự động với chi phí cực thấp, dân chủ hóa kỹ xảo điện ảnh mà trước đây chỉ các studio lớn mới có thể chi trả.

Câu hỏi thường gặp

1. Cấu hình phần cứng tối thiểu để triển khai và chạy hệ thống là gì?

Đối với môi trường chạy thử nghiệm (Inference), hệ thống yêu cầu GPU tối thiểu NVIDIA GTX 1060 (6GB VRAM) hoặc tương đương trên Cloud (NVIDIA T4 16GB VRAM), RAM 16GB và 20GB dung lượng ổ cứng để chứa checkpoints mô hình SAM/LATS và dependencies.

2. Hệ thống xử lý thế nào khi trong video xuất hiện nhiều khuôn mặt cùng lúc?

Hiện tại, module phát hiện khuôn mặt (MTCNN) sẽ trả về danh sách bounding boxes của tất cả các khuôn mặt. Người dùng trên giao diện Angular có thể nhấp chọn đối tượng diễn viên mục tiêu cần chuyển đổi độ tuổi, hệ thống sẽ gán ID theo dõi khuôn mặt (Face Tracking) qua các frame tiếp theo.

3. Có thể tích hợp API này vào các phần mềm dựng phim như Adobe Premiere hay DaVinci Resolve không?

Hoàn toàn có thể. Do hệ thống được thiết kế theo chuẩn RESTful API, các nhà phát triển có thể viết Plugin/Extension bằng Python hoặc C++ cho Premiere/After Effects để gửi chuỗi khung hình (Image Sequence) lên API và nhận kết quả tự động chèn vào Timeline dựng phim.

4. Chi phí duy trì hệ thống trên Google Cloud Platform là bao nhiêu?

Nhờ kiến trúc Serverless Cloud Run (chỉ tính tiền theo số mili-giây GPU thực thi) và Cloud Storage lưu trữ tạm thời, chi phí duy trì cố định gần như bằng 0 khi không có người dùng và chỉ phát sinh khoảng $$0.001 - $0.003$ cho mỗi phút xử lý video.

5. Sự khác biệt mấu chốt giữa mô hình LATS và SAM là gì?

LATS sử dụng mạng cGAN đa miền biến đổi liên tục dựa trên các mỏ neo tuổi ($0 \to 70$), thích hợp cho tốc độ xử lý nhanh. SAM dựa trên StyleGAN2 kết hợp $pSp$ Inversion ($5 \to 100$), cho chất lượng ảnh cực kỳ sắc nét ở độ phân giải $1024\times 1024$ nhưng đòi hỏi thời gian tính toán gấp đôi.

Kết luận

Đồ án tốt nghiệp "Áp dụng tổng hợp chuyển đổi độ tuổi khuôn mặt vào công nghệ làm phim" đã nghiên cứu thành công và hiện thực hóa một giải pháp toàn diện, giải quyết bài toán hóc búa về chi phí và thời gian trong kỹ xảo điện ảnh. Bằng việc kết hợp sức mạnh của các mô hình học sâu sinh ảnh tiên tiến (LATS, SAM) với kỹ thuật xử lý ảnh mượt mà (MTCNN, Dlib 68 landmarks, OpenCV Seamless Cloning), hệ thống đã chứng minh tính khả thi vượt trội cả về mặt học thuật lẫn ứng dụng thực tiễn.

Kiến trúc phân tầng hiện đại triển khai trên nền tảng Google Cloud Platform không chỉ đảm bảo hiệu năng mở rộng mà còn mở ra cơ hội tiếp cận kỹ xảo điện ảnh chất lượng cao cho các nhà làm phim độc lập và các nhà sáng tạo nội dung số.