첫 번째 연구는 특히 1대 이후 서서히 피부의 표층에 나타나는 기미에 대해 특수 카메라를 사용하지 않고 심층 학습을 이용하여 표면화하지 않은 기미의 이미지를 생성하는 기술.이 연구에 의해, 통상의 카메라로 촬영한 피부의 화상으로부터 표면화되지 않은 기미의 화상을 생성하는 기술을 발견할 수 있었다.

　두 번째 연구는 "심층 학습을 이용한 화장품의 계속 사용에 의한 미래의 피부를 예측하고 영상화하는 기술".지금의 피부 상태에서 화장품을 계속 사용한 피부의 미래를 예측하는 것은 매우 어렵다는 과제에 주목하고, 화장품을 일정 기간 계속 사용한 피부의 이미지를 심층 학습시킴으로써, 현상 분석으로부터 화장품을 계속 사용했을 때의 효과를 예측하는 방법을 검토했다.이 연구는 현재 피부의 이미지에서 화장품을 계속 사용하는 미래의 피부를 예측하고 이미지화하는 알고리즘을 구축했습니다.

　이번 연구 성과를 살려 현재 피부 상태 확인, 미래 피부 예측으로 피부 관리 계속 후 피부 이미지 제안이 가능해진다.장래적으로는, 이 기술을 적절한 상품 선택이나 스킨 케어에 대한 동기부여의 일조로서 활용하는 것을 목표로 한다.앞으로는 피부 분석 방법의 정밀도를 높이고 체계화를 추진해 나갈 것이다.

※심층 학습이란, 인간의 신경 세포의 구조를 재현한 중립 네트워크라고 불리는 모델을 이용해, 화상 인식이나 음성 인식 등, 인간이 자연스럽게 실시하는 인지나 학습과 같이, 컴퓨터에 학습시키는 수법의 하나 하나.

참고：【도쿄 전기 대학】심층 학습을 활용한 피부 분석 방법에 대해 연구 발표 알비온·도쿄 전기 대학이 공동 연구