アルビオンと東京電機大学は、肌の透明感の分析に関する深層学習モデル、および、その透明感の指標に基づいた肌画像生成モデルの開発に成功した（ニュースリリース）。
良好な肌状態であるとき透明感が高まると考えられている。また、透明感に関連する要素として「肌のキメ」「肌のモイスチュアバランス」「血行」「メラニン」等が関与すると言われている。
しかし、それらの要素の関連性ははっきりしていないため、透明感の評価は非常に困難となっていた。さらに、透明感の判断は人間の直感的な要素も含むため単純な計算では正確に評価することが難しい。
そこで、人間の神経細胞の仕組みを再現した深層学習に着目し、透明感の評価を可能とする精度の高い深層学習モデルの開発に成功した。また、この深層学習モデルは肌の透明感を数値化するだけではなく、顔全体に対して分析を実施することで顔の場所による違いを知ることも可能。
この研究により開発された透明感の評価基準に基づいて、さらに深層学習による画像生成モデルの開発に成功した。この画像生成モデルは現在の肌画像から透明感の変化を段階的に生成することが可能。また、このモデルにより透明感を変化させた顔全体の画像生成も可能となっている。
研究グループは，これらの技術をさらに進化させ、カウンセリングや商品選びのサポート、スキンケアに対する期待感や満足度向上につなげていくとしている。
