Wie funktionieren Gesichtstests? Landmarken, Selfies, Werte

Der Ablauf in einem Absatz

Ein Gesichtstest schickt dein Selfie durch drei Stufen: Es erkennt ein Gesicht, setzt eine Reihe von Landmarken-Punkten auf dieses Gesicht und führt über diese Punkte eine Formel aus, die eine Zahl erzeugt. Stufe eins und zwei sind gewöhnliche, gut etablierte Computer Vision. Bei Stufe drei beginnt die Unterhaltung, denn die Formel ist eine redaktionelle Wahl, keine Messung.

Zu verstehen, welche Stufe welche ist, ist der ganze Punkt dieses Artikels. Sobald du „die Software hat deinen Kiefer genau lokalisiert" von „die Zahl bedeutet etwas" trennen kannst, lassen sich die Ergebnisse viel leichter richtig lesen.

Stufe eins: ein Gesicht finden

Die erste Aufgabe ist zu entscheiden, welche Pixel im Foto überhaupt zu einem Gesicht gehören. Das ist ein Erkennungsproblem, und moderne Detektoren lösen es gut: Sie arbeiten auf einem vollen Gruppenfoto, kommen mit Brillen und Bärten zurecht und tolerieren ein schräg gehaltenes Handy.

Was sie von dir brauchen, ist ein Foto, auf dem ein Gesicht tatsächlich sichtbar ist. Häufige Gründe, warum ein Scan ganz scheitert:

• Das Gesicht ist zu klein. Eine Ganzkörperaufnahme lässt dem Modell sehr wenige Pixel.
• Das Licht kommt von hinten. Eine Gegenlicht-Silhouette nimmt den Kontrast weg, auf den der Detektor angewiesen ist.
• Das Gesicht ist stark verdeckt. Eine Hand, eine Maske oder Haare quer über das Gesicht können es unter die Erkennungsschwelle drücken.
• Das Bild ist kein Foto einer Person. Offensichtlich. Aber erwähnenswert, weil es Leute gibt, die die Software testen.

Wenn der Scan einen Fehler statt eines Wertes zurückgibt, ist meist die Erkennung der Grund. Dieser Fehler ist die einzige ehrliche Rückmeldung im ganzen Ablauf: Er bedeutet, dass die Software wirklich kein Gesicht gefunden hat und keines erfunden hat.

Stufe zwei: die Landmarken

Sobald ein Gesicht gefunden ist, setzt das Modell eine definierte Punktmenge darauf. Das sind die Landmarken: präzise Pixelkoordinaten für die Augenwinkel, Nasenspitze und Nasenrücken, die Kieferlinie, den Mund und die Augenbrauen.

Die Ausgabe dieser Stufe ist keine Beschreibung und kein Urteil. Sie ist eine Tabelle mit Zahlen. Ein typischer Eintrag sieht so aus: (312.4, 188.9) — eine x- und eine y-Position im Bild.

Daraus folgen zwei Dinge, und beide sind wichtig:

• Die Punkte sind geometrisch, nicht semantisch. Das Modell weiß, dass ein Punkt am äußeren Winkel deines linken Auges liegt. Es hat keine Ahnung, was ein Auge bedeutet, und keine Fähigkeit, daraus Schlüsse zu ziehen.
• Die Punkte skalieren mit dem Foto. Wird dasselbe Gesicht nah und fern fotografiert, beschreiben die Koordinaten dieselbe Geometrie in anderen Einheiten. Alles, was die Formel nutzen will, muss zuerst durch eine Referenzlänge normalisiert werden — meist den Abstand zwischen den Augen.

Wenn eine Seite mit einer Landmarken-Anzahl wirbt, ist diese Zahl einfach, wie viele Punkte das Modell setzt. Eine größere Anzahl bedeutet ein dichteres Koordinatennetz, was die Geometrie etwas robuster gegen Rauschen machen kann. Es bedeutet nicht, dass die Punkte „wahrhaftiger" sind, und es sagt nichts darüber, ob der Endwert bedeutsam ist.

Stufe drei: die Formel

Hier wird aus einem Landmarken-Netz eine Anzahl von Partnern, ein Loyalitätswert oder ein finanzielles Schicksal. Die Umwandlung ist Arithmetik: Abstände, Verhältnisse, Winkel und gewichtete Summen, von einer Entwicklerin oder einem Entwickler geschrieben.

Hier der Teil, der klar gesagt werden sollte. Die Formel ist eine Designentscheidung, keine Entdeckung. Niemand hat sie aus Daten über das Leben echter Menschen extrahiert, weil die dafür nötigen Daten nicht existieren. Jemand hat entschieden, dass ein weiteres Verhältnis den Wert heben und ein engeres ihn senken soll, Koeffizienten gewählt und das Ergebnis einprägsam benannt.

Das ist keine geheime Verschwörung — es ist die normale Art, wie Unterhaltungsprodukte gebaut werden. Auch ein Glückskeksspruch wird von jemandem geschrieben. Das Problem beginnt erst, wenn die Ausgabe als Messung statt als Drehbuch präsentiert wird.

Weil die Formel fest ist, sind die Tests wenigstens in sich konsistent. Dasselbe Gesicht, gleich fotografiert, erzeugt denselben Wert. Diese Konsistenz wird leicht mit Genauigkeit verwechselt: Wenn ein Wert aufhört, sich zu bewegen, wirkt er an etwas Reales gekettet. Er ist an die Formel gekettet, die aus demselben Grund stabil ist, aus dem eine stehen gebliebene Uhr zweimal am Tag richtig ist.

Was ein Selfie tragen kann und was nicht

Ein einzelnes frontales Foto ist eine schmale Informationsscheibe. Es lohnt zu wissen, was wirklich darin steckt:

Die linke Spalte ist für andere Zwecke wirklich informativ — Gesichtsgeometrie wird in Animation, in Barrierefreiheits-Werkzeugen, in Bildbearbeitung und in medizinischer Bildforschung genutzt, wo ein Kliniker das Ergebnis interpretiert. Die rechte Spalte ist die Unterhaltungsschicht. Nichts aus der linken Spalte wird zur rechten, indem man mehr Punkte oder mehr Rechenleistung hinzufügt.

Warum das gleiche Gesicht unterschiedlich punkten kann

Leute bemerken oft, dass ihr Wert zwischen Versuchen schwankt, und schließen, die Software sei kaputt. Ist sie nicht; sie tut genau das, wofür sie gebaut wurde, und die Eingaben haben sich geändert.

• Pose und Winkel. Eine leichte Kopfneigung ändert die projizierten Abstände, die die Formel liest.
• Licht und Schatten. Schatten verschieben, wo die Konturen zu liegen scheinen, was die Landmarken bewegt.
• Ausdruck. Lächeln ändert die Geometrie von Mund und Kiefer, und manche Formeln lesen das Lächeln als Messwert.
• Filter und Beauty-Effekte. Automatische Glättung, Gesichtsschmalierung und Augvergrößerung werden angewandt, bevor das Bild das Modell erreicht.
• Kompression. Ein stark komprimierter Screenshot verliert Kantendetails und damit etwas Präzision.

Wenn du Werte willst, die wenigstens zueinander passen, kontrolliere diese Größen: frontal, gleichmäßiges Licht, neutraler Ausdruck, kein Filter, kein Screenshot. Du bekommst eine stabilere Zahl. Eine bedeutsamere bekommst du trotzdem nicht.

Die ehrliche Zusammenfassung

Drei Stufen, und nur die ersten beiden sind Technik. Gesichtserkennung und Landmarken-Platzierung sind kompetente, gut verstandene Verfahren, die echte Arbeit leisten. Der Wert, der am Ende herauskommt, ist eine zu Unterhaltungszwecken geschriebene Formel.

Beide Hälften dieses Satzes können gleichzeitig wahr sein, und sie sind es. Die Technik ist real. Die Behauptung nicht. Wenn du die Tests ausprobieren willst, ist der ehrliche Grund, dass sie Spaß machen im Vergleich mit Freunden — und das tun sie. Behalte den Wert einfach in der Spalte, in die er gehört.