掃臉測驗怎麼運作？特徵點、自拍與分數

一段話講完流程

掃臉測驗會把你的自拍帶過三個階段：偵測出一張臉、在那張臉上放一組特徵點、然後對這些點跑一個公式，得出一組數字。第一與第二階段是普通、成熟的電腦視覺。第三階段才是娛樂開始的地方，因為那個公式是一個編輯選擇，不是一個量測。

搞清楚哪一階段是哪一階段，就是這篇文章的重點。一旦你能把「軟體準確地定位了你的下顎」和「這個數字有意義」分開，結果就會容易正確得多。

第一階段：找到一張臉

第一件工作是判斷照片裡哪些像素屬於一張臉。這是一個偵測問題，現代偵測器處理得不錯：它們能應付擁擠的團體照、能容忍眼鏡與鬍鬚、能接受手機拿歪拍的照片。

它們需要你給的，是一張臉真的看得見的照片。掃描直接失敗的常見原因：

• 臉太小。 全身照留給模型的像素太少。
• 光在你背後。 逆光的剪影會拿掉偵測器所依賴的對比。
• 臉被遮擋得嚴重。 一隻手、一個口罩，或一撮橫過臉的頭髮，都可能把它壓到偵測門檻以下。
• 這張圖不是人的照片。 顯而易見。但值得說出來，因為真的有人會拿來測這個軟體。

如果掃描回傳的是錯誤而不是分數，原因通常就是偵測。那個錯誤是整條流程裡唯一誠實的一項回饋：它代表軟體真的找不到臉，而且它沒有捏造一張。

第二階段：特徵點

一旦找到臉，模型會在臉上放一組定義好的點。這些是特徵點：眼角、鼻尖與鼻樑、下顎線、嘴、眉毛的精確像素座標。

這個階段的輸出不是一段描述，也不是一個判斷。它是一張數字表。一個典型的項看起來像 (312.4, 188.9)——圖上的一個 x 與 y 位置。

由此可以推出兩件事，而兩件都重要：

• 這些點是幾何的，不是語意的。 模型知道有一個點位於你左眼的外眼角。它完全不知道眼睛意味著什麼，也沒有能力從中得出任何結論。
• 這些點會隨照片縮放。 同一張臉在近拍與遠拍下，座標描述的是相同的幾何，只是單位不同。公式想用的任何東西，都必須先用一個參考長度正規化——通常是兩眼之間的距離。

當一個網站宣稱特徵點數量時，那個數字只是模型放置了多少個點。數量越多，代表座標網格越密，可以讓幾何在雜訊下稍微更穩健。它不代表那些點更「真實」，也完全沒有說明最終分數有沒有意義。

第三階段：公式

這裡就是一張特徵點網格變成前任數、忠誠分數，或富貴命的地方。這個轉換是算術：距離、比例、角度，以及加權求和，由開發者寫成。

這裡有一點值得說白。公式是一個設計決定，不是一個發現。 沒有人從真實人生的資料裡把它萃取出來，因為要這麼做所需的資料並不存在。是有人決定了較寬的比例應該把分數推高、較窄的應該壓低，選了係數，然後把結果命名成某個好記的東西。

那不是什麼祕密陰謀——那只是娛樂產品被打造出來的正常方式。幸運餅乾裡的籤也是有人寫的。問題只在於，把輸出當成一個量測來呈現，而不是一份腳本。

因為公式是固定的，這些測驗至少是內部一致的。同一張臉、同樣的拍法，會產生同一個分數。這種一致性很容易被誤認成準確：如果一個分數不再變動，它就感覺像錨定在某個真實的東西上。它錨定的是那個公式——而它穩定，就像一個停住的鐘一天準兩次那樣。

一張自拍能與不能承載什麼

單張正面照是一小片資訊。值得知道它裡面究竟有什麼：

左邊那欄對其他用途是真正有資訊價值的——臉部幾何在動畫、無障礙工具、修圖，以及由臨床醫師解讀結果的醫學影像研究裡都有用。右邊那欄就是娛樂層。左欄沒有任何一項，能靠加更多點或更多算力，變成右欄。

為什麼同一張臉會有不同分數

人們常注意到自己的分數在不同嘗試間變化，然後下結論說軟體壞了。並沒有；它做的正是它被設計來做的事，只是輸入變了。

• 姿勢與角度。 一點點頭部側傾，就會改變公式所讀的投影距離。
• 光線與陰影。 陰影會移動輪廓看起來所在的位置，也就移動了特徵點。
• 表情。 微笑會改變嘴與下顎的幾何，而有些公式會把微笑當成一項量測來讀。
• 濾鏡與美顏。 自動磨皮、瘦臉、放大眼睛，都是在影像到達模型之前就被套用的。
• 壓縮。 壓縮得很重的截圖會失去邊緣細節，連帶失去一些精確度。

如果你想要至少彼此一致的分數，就控制那些變數：正面、均勻的光、中性表情、不加濾鏡、不要用截圖。你會得到一個更穩定的數字。你仍然不會得到一個更有意義的數字。

誠實的總結

三個階段，而只有前兩個是工程。臉部偵測與特徵點放置是稱職、被充分理解的技術，做著真實的工作。從最末端出來的分數，則是一個以娛樂為目的、由人撰寫的公式。

那句話的兩半可以同時成立，而它們確實同時成立。技術是真的。那個宣稱不是。如果你想試這些測驗，誠實的理由是它們拿來跟朋友比較很好玩——而它們確實是。只要把分數留在它該待的那一欄就好。