แบบทดสอบสแกนใบหน้าทำงานอย่างไร? จุดอ้างอิง เซลฟี่ และคะแนน

ขั้นตอนทั้งหมดในหนึ่งย่อหน้า

แบบทดสอบสแกนใบหน้าพาเซลฟี่ของคุณผ่านสามขั้นตอน คือ ตรวจจับใบหน้า วางชุดจุดอ้างอิงลงบนใบหน้านั้น แล้วรันสูตรบนจุดเหล่านั้นเพื่อให้ได้ตัวเลข ขั้นที่หนึ่งและสองคือคอมพิวเตอร์วิทัศน์ธรรมดาที่มั่นคงแล้ว ขั้นที่สามคือจุดที่ความบันเทิงเริ่มขึ้น เพราะสูตรคือการเลือกเชิงบรรณาธิการ ไม่ใช่การวัด

การเข้าใจว่าขั้นไหนคือขั้นไหนคือจุดมุ่งหมายทั้งหมดของบทความนี้ เมื่อคุณแยก "ซอฟต์แวร์ระบุตำแหน่งกรามของคุณได้แม่นยำ" ออกจาก "ตัวเลขมีความหมาย" ได้ ผลลัพธ์จะอ่านได้ถูกต้องง่ายขึ้นมาก

ขั้นที่หนึ่ง: หาใบหน้า

งานแรกคือตัดสินว่าพิกเซลใดในภาพเป็นส่วนของใบหน้า นี่คือปัญหาการตรวจจับ และตัวตรวจจับสมัยใหม่จัดการได้ดี พวกมันทำงานบนภาพกลุ่มที่แน่นขนัด ทนแว่นตาและหนวดเครา และรับมือกับมือถือที่ถือเอียงได้

สิ่งที่พวกมันต้องการจากคุณคือภาพที่มองเห็นใบหน้าจริง ๆ เหตุผลทั่วไปที่การสแกนล้มเหลวโดยสิ้นเชิง:

• ใบหน้าเล็กเกินไป ภาพเต็มตัวให้พิกเซลกับโมเดลน้อยมาก
• แสงอยู่ข้างหลังคุณ เงาย้อนแสงตัดความต่างที่ตัวตรวจจับต้องพึ่ง
• ใบหน้าถูกบดบังมาก มือ หน้ากาก หรือผมที่พาดผ่านใบหน้า อาจดันมันลงต่ำกว่าเกณฑ์การตรวจจับ
• ภาพไม่ใช่รูปคน ชัดเจนอยู่แล้ว แต่ควรพูดไว้ เพราะมีคนลองเอาไปทดสอบซอฟต์แวร์จริง ๆ

ถ้าการสแกนคืนค่าความผิดพลาดแทนคะแนน เหตุผลมักคือการตรวจจับ ความผิดพลาดนั้นคือผลตอบกลับที่ซื่อตรงที่สุดในทั้งกระบวนการ มันหมายความว่าซอฟต์แวร์หาใบหน้าไม่เจอจริง ๆ และไม่ได้กุขึ้นมา

ขั้นที่สอง: จุดอ้างอิง

เมื่อพบใบหน้า โมเดลจะวางชุดจุดที่กำหนดไว้ลงไป นี่คือ จุดอ้างอิง ซึ่งเป็นพิกัดพิกเซลที่แม่นยำของหัวตา ปลายและสันจมูก เส้นกราม ปาก และคิ้ว

ผลลัพธ์ของขั้นนี้ไม่ใช่คำบรรยายและไม่ใช่คำตัดสิน มันคือตารางตัวเลข รายการทั่วไปหน้าตาเช่น (312.4, 188.9) คือตำแหน่ง x และ y บนภาพ

มีสองสิ่งที่ตามมา และทั้งคู่สำคัญ

• จุดเป็นเชิงเรขาคณิต ไม่ใช่เชิงความหมาย โมเดลรู้ว่าจุดหนึ่งอยู่ที่หัวตาด้านนอกของตาซ้ายคุณ มันไม่รู้เลยว่าตาหมายถึงอะไร และไม่มีความสามารถในการดึงข้อสรุปจากมัน
• จุดปรับขนาดตามภาพ ถ้าใบหน้าเดียวกันถูกถ่ายใกล้และไกล พิกัดบรรยายเรขาคณิตเดียวกันในหน่วยต่างกัน อะไรก็ตามที่สูตรอยากใช้ต้องถูกทำให้อยู่ในรูปปกติด้วยความยาวอ้างอิงก่อน ซึ่งมักเป็นระยะระหว่างตา

เมื่อเว็บโฆษณาจำนวนจุดอ้างอิง ตัวเลขนั้นก็แค่จำนวนจุดที่โมเดลวาง จำนวนมากกว่าหมายถึงตาข่ายพิกัดที่แน่นกว่า ซึ่งอาจทำให้เรขาคณิตทนทานต่อสัญญาณรบกวนขึ้นเล็กน้อย มันไม่ได้หมายความว่าจุดเหล่านั้น "จริง" กว่า และไม่ได้บอกอะไรเลยว่าคะแนนสุดท้ายมีความหมายหรือไม่

ขั้นที่สาม: สูตร

นี่คือที่ที่ตาข่ายจุดอ้างอิงกลายเป็นจำนวนคู่นอน คะแนนความภักดี หรือดวงการเงิน การแปลงคือเลขคณิต ระยะ อัตราส่วน มุม และผลรวมถ่วงน้ำหนัก ที่นักพัฒนาส่วนหนึ่งเขียนขึ้น

นี่คือส่วนที่ควรพูดตรง ๆ สูตรคือการตัดสินใจออกแบบ ไม่ใช่การค้นพบ ไม่มีใครสกัดมันออกมาจากข้อมูลเกี่ยวกับชีวิตของคนจริง เพราะข้อมูลที่ต้องใช้ทำเช่นนั้นไม่มีอยู่ มีคนตัดสินว่า อัตราส่วนที่กว้างกว่าควรดันคะแนนขึ้น และที่แคบกว่าควรดันลง เลือกค่าสัมประสิทธิ์ แล้วตั้งชื่อผลลัพธ์ให้น่าจำ

นั่นไม่ใช่ความลับสมคบคิด มันคือวิธีปกติของผลิตภัณฑ์บันเทิง ข้อความในคุกกี้เสี่ยงทายก็มีคนเขียน ปัญหาเริ่มต้นแค่ตอนที่ผลลัพธ์ถูกนำเสนอเป็นการวัด แทนที่จะเป็นบท

เพราะสูตรตายตัว แบบทดสอบจึงอย่างน้อย สอดคล้องกันเองภายใน ใบหน้าเดียวกันถ่ายแบบเดียวกันจะให้คะแนนเดียวกัน ความสอดคล้องนี้ถูกเข้าใจผิดเป็นความแม่นยำได้ง่าย ถ้าคะแนนหยุดขยับ มันรู้สึกเหมือนถูกยึดไว้กับสิ่งจริง มันถูกยึดไว้กับสูตร ซึ่งมั่นคงด้วยเหตุผลเดียวกับที่นาฬิกาที่หยุดเดินถูกต้องวันละสองครั้ง

เซลฟี่แบกได้และแบกไม่ได้อะไร

ภาพหันหน้าเข้าหน้ากล้องภาพเดียวคือข้อมูลชิ้นบาง ๆ คุ้มที่จะรู้ว่าจริง ๆ มีอะไรอยู่ในนั้น

คอลัมน์ซ้ายให้ข้อมูลจริงสำหรับ วัตถุประสงค์อื่น เรขาคณิตใบหน้าถูกใช้ในแอนิเมชัน เครื่องมือเพื่อการเข้าถึง การแต่งภาพ และงานวิจัยภาพทางการแพทย์ที่แพทย์เป็นผู้ตีความผลลัพธ์ คอลัมน์ขวาคือชั้นความบันเทิง ไม่มีสิ่งใดในคอลัมน์ซ้ายกลายเป็นคอลัมน์ขวาได้ด้วยการเพิ่มจุดหรือเพิ่มพลังการประมวลผล

ทำไมใบหน้าเดียวกันจึงได้คะแนนต่างกัน

ผู้คนมักสังเกตว่าคะแนนเปลี่ยนไปในการลองแต่ละครั้ง แล้วสรุปว่าซอฟต์แวร์พัง ไม่พัง มันทำตามที่ออกแบบไว้เป๊ะ ๆ แค่อินพุตเปลี่ยน

• ท่าและมุม การเอียงศีรษะเล็กน้อยเปลี่ยนระยะฉายที่สูตรอ่าน
• แสงและเงา เงาเลื่อนตำแหน่งที่เส้นขอบดูเหมือนอยู่ ซึ่งเลื่อนจุดอ้างอิง
• สีหน้า การยิ้มเปลี่ยนเรขาคณิตของปากและกราม และบางสูตรอ่านรอยยิ้มเป็นการวัด
• ฟิลเตอร์และความงาม การปรับผิวเรียบอัตโนมัติ การทำให้หน้าเรียว และการขยายตา ถูกใช้ก่อนที่ภาพจะถึงโมเดล
• การบีบอัด ภาพแคปหน้าจอที่บีบอัดหนักจะสูญเสียรายละเอียดขอบ และสูญเสียความแม่นยำบางส่วนไปด้วย

ถ้าอยากได้คะแนนที่อย่างน้อยสอดคล้องกัน ให้ควบคุมตัวแปรเหล่านั้น หันหน้าเข้าหน้ากล้อง แสงสม่ำเสมอ สีหน้าเป็นกลาง ไม่มีฟิลเตอร์ ไม่ใช่แคปหน้าจอ คุณจะได้ตัวเลขที่มั่นคงขึ้น แต่ก็ยังไม่ได้ตัวเลขที่มีความหมายขึ้นอยู่ดี

บทสรุปที่ตรงไปตรงมา

สามขั้นตอน และมีแค่สองขั้นแรกที่เป็นงานวิศวกรรม การตรวจจับใบหน้าและการวางจุดอ้างอิงเป็นเทคนิคที่ใช้ได้ดีและเป็นที่เข้าใจกันดี ซึ่งทำงานจริง คะแนนที่ออกมาปลายทางคือสูตรที่เขียนขึ้นเพื่อความบันเทิง

ทั้งสองครึ่งของประโยคนั้นเป็นจริงพร้อมกันได้ และมันก็เป็นจริงทั้งคู่ เทคโนโลยีเป็นของจริง ข้ออ้างไม่ใช่ ถ้าคุณอยากลองแบบทดสอบ เหตุผลที่ซื่อตรงคือมันสนุกที่จะเอาไปเทียบกับเพื่อน และสนุกจริง แค่เก็บคะแนนไว้ในคอลัมน์ที่มันควรอยู่