얼굴 스캔 테스트는 어떻게 작동하나: 랜드마크, 셀카, 점수

한 문단으로 보는 흐름

얼굴 스캔 테스트는 당신의 셀카를 세 단계로 통과시킵니다. 얼굴을 검출하고, 그 얼굴에 일련의 랜드마크 점을 놓고, 그 점들에 공식을 돌려 숫자를 냅니다. 첫째와 둘째 단계는 평범하고 잘 확립된 컴퓨터 비전입니다. 셋째 단계에서 오락이 시작됩니다. 공식은 측정이 아니라 편집상의 선택이기 때문입니다.

어느 단계가 어느 단계인지 이해하는 것이 이 글의 요점입니다. '소프트웨어가 당신의 턱을 정확히 찾았다'와 '그 숫자가 의미가 있다'를 분리할 수 있으면, 결과를 훨씬 정확하게 읽을 수 있습니다.

1단계: 얼굴 찾기

첫 일은 사진에서 어느 픽셀이 얼굴에 속하는지 정하는 것입니다. 이것은 검출 문제이고, 현대 검출기는 이를 잘 처리합니다. 붐비는 단체 사진에서도 작동하고, 안경과 수염도 감당하며, 비스듬히 든 휴대폰도 견딥니다.

검출기가 당신에게 요구하는 것은 얼굴이 실제로 보이는 사진입니다. 스캔이 아예 실패하는 흔한 이유:

• 얼굴이 너무 작다. 전신 사진은 모델이 다룰 픽셀을 거의 주지 않습니다.
• 빛이 뒤에 있다. 역광 실루엣은 검출기가 의존하는 대비를 없앱니다.
• 얼굴이 크게 가려졌다. 손, 마스크, 얼굴을 가로지르는 머리카락이 검출 임계값 아래로 밀어낼 수 있습니다.
• 사람 사진이 아니다. 뻔하지만, 적어둘 가치가 있습니다. 실제로 시험해 보는 사람이 있으니까요.

스캔이 점수가 아니라 오류를 반환하면, 원인은 대개 검출입니다. 그 오류는 흐름 전체에서 유일하게 정직한 피드백입니다. 소프트웨어가 정말로 얼굴을 찾지 못했고, 얼굴을 지어내지 않았다는 뜻이기 때문입니다.

2단계: 랜드마크 점

얼굴이 발견되면, 모델은 그 위에 정의된 점 집합을 놓습니다. 이것이 랜드마크입니다. 눈의 안쪽과 바깥쪽 모서리, 코끝과 콧대, 턱선, 입, 눈썹의 정확한 픽셀 좌표입니다.

이 단계의 출력은 설명도 판단도 아닙니다. 숫자 표입니다. 전형적인 항목은 (312.4, 188.9)처럼 보입니다 — 이미지 위의 x와 y 위치입니다.

여기서 두 가지가 따라오고, 둘 다 중요합니다.

• 점은 기하학적이지 의미적이지 않다. 모델은 어떤 점이 당신 왼쪽 눈의 바깥 모서리에 있다는 것을 압니다. 눈이 무엇을 의미하는지는 전혀 모르고, 거기서 결론을 끌어낼 능력도 없습니다.
• 점은 사진에 맞춰 크기가 조정된다. 같은 얼굴을 가까이서 찍든 멀리서 찍든, 좌표는 같은 기하를 다른 단위로 나타냅니다. 공식이 쓰고 싶은 것은 무엇이든 먼저 기준 길이 — 보통 두 눈 사이 거리 — 로 정규화해야 합니다.

사이트가 랜드마크 개수를 광고할 때, 그 숫자는 모델이 놓는 점의 개수일 뿐입니다. 개수가 많을수록 좌표 격자가 촘촘해져 기하가 노이즈에 조금 더 견고해질 수 있습니다. 그것이 점이 더 '진실'이라는 뜻도 아니고, 최종 점수에 의미가 있는지에 대해서도 아무것도 말하지 않습니다.

3단계: 공식

여기서 랜드마크 격자가 연애 상대 수, 충성 점수, 또는 재물운으로 바뀝니다. 이 변환은 산술입니다. 거리, 비율, 각도, 가중 합을 개발자가 씁니다.

여기서는 솔직하게 말할 가치가 있습니다. 공식은 설계 결정이지 발견이 아닙니다. 아무도 실제 사람들의 삶에 대한 데이터에서 그것을 추출하지 않았습니다. 그러려면 필요한 데이터가 존재하지 않기 때문입니다. 누군가 넓은 비율은 점수를 올리고 좁은 비율은 내려야 한다고 정하고, 계수를 골랐으며, 결과에 기억하기 쉬운 이름을 붙였습니다.

그것은 비밀 음모가 아닙니다. 오락 제품이 만들어지는 평범한 방식입니다. 포춘 쿠키의 문구도 누군가 씁니다. 문제는 출력이 각본이 아니라 측정으로 제시될 때만 시작됩니다.

공식이 고정되어 있으므로, 테스트는 최소한 내부적으로 일관됩니다. 같은 얼굴을 같은 방식으로 찍으면 같은 점수가 나옵니다. 이 일관성은 정확도로 착각하기 쉽습니다. 점수가 더 이상 움직이지 않으면 무언가 실재하는 것에 고정된 듯 느껴집니다. 그것은 공식에 고정되어 있고, 멈춘 시계가 하루에 두 번 맞는 것과 같은 이유로 안정적입니다.

셀카가 담을 수 있는 것과 없는 것

한 장의 정면 사진은 정보의 아주 얇은 조각입니다. 실제로 무엇이 들어 있는지 알 가치가 있습니다:

왼쪽 열은 다른 목적에는 정말 유용합니다. 얼굴 기하는 애니메이션, 접근성 도구, 사진 편집, 그리고 임상의가 결과를 해석하는 의료 영상 연구에 쓰입니다. 오른쪽 열이 오락 층입니다. 왼쪽 열의 어떤 것도 점을 더 넣거나 연산을 더 한다고 오른쪽 열이 되지 않습니다.

같은 얼굴이 다른 점수를 받는 이유

사람들은 시도할 때마다 점수가 바뀌는 것을 보고 소프트웨어가 고장 났다고 결론짓곤 합니다. 아닙니다. 설계된 대로 정확히 하고 있고, 입력이 바뀐 것입니다.

• 자세와 각도. 약간의 머리 기울기가 공식이 읽는 투영 거리를 바꿉니다.
• 빛과 그림자. 그림자는 윤곽이 보이는 위치를 옮기고, 그것이 랜드마크 위치를 옮깁니다.
• 표정. 미소는 입과 턱의 기하를 바꾸고, 일부 공식은 미소를 측정으로 읽습니다.
• 필터와 뷰티 보정. 자동 피부 보정, 얼굴 축소, 눈 확대는 이미지가 모델에 도달하기 전에 적용됩니다.
• 압축. 심하게 압축된 스크린샷은 가장자리 디테일을 잃고, 그와 함께 정밀도 일부도 잃습니다.

서로 최소한 일관된 점수를 원하면 그 변수들을 통제하세요. 정면, 고른 빛, 무표정, 필터 없음, 스크린샷 없음. 더 안정적인 숫자를 얻게 됩니다. 그래도 더 의미 있는 숫자는 얻지 못합니다.

정직한 요약

세 단계, 그리고 공학인 것은 처음 둘뿐입니다. 얼굴 검출과 랜드마크 배치는 실제 일을 하는 유능하고 잘 이해된 기술입니다. 끝에서 나오는 점수는 오락을 목적으로 쓰인 공식입니다.

그 문장의 두 절반은 동시에 참일 수 있고, 실제로 둘 다 참입니다. 기술은 진짜입니다. 주장은 진짜가 아닙니다. 테스트를 해보고 싶다면, 정직한 이유는 친구들과 비교하면 재미있기 때문이고, 실제로 재미있습니다. 다만 점수는 그것이 속한 열에 두세요.