AI nástroj odstraňuje make-up, aby zastavil nezletilé osoby při obcházení kontrol věku

Vzhled líčidel na obličeji umožňuje nezletilým osobám, většinou dívkám, obcházet selfie-založené kontroly věku na platformách, jako jsou datovací aplikace a e-commerce weby. Nový AI nástroj řeší tuto mezery, pomocí diskriminačního modelu, který je vyškoleno odstranit make-up, zatímco zachovává identitu, což ztěžuje nezletilým osobám oklamat automatické systémy.

Používání třetích stran, selfie-založených služeb ověření věku je na vzestupu, nejméně kvůli obecnému globálnímu impulsu směrem k online ověření věku.

Například v novém režimu vynucování, který nyní ukládá britský Online Safety Act, může ověření věku být provedeno různými třetími stranami službami, které používají různé možné metody, včetně vizuálního ověření věku, kde se AI používá k vizuálnímu předpovídání věku uživatele (obvykle z živého mobilního kamerového záznamu). Služby, které používají přístupy tohoto druhu, zahrnují Ondato, TrustStamp a Yoti.

Jedním z metod, které mladí lidé používají k obcházení kontrol věku, je nošení líčidel – taktika známá jako oklamání automatických systémů ověření věku, které obecně přehánějí věk mladých lidí a podceňují věk starších lidí.

Nejen dívky

Předtím, než vznikne protest proti považování make-upu za “žensky zaměřený”, musíme poznamenat, že přítomnost líčidel na komkoliv je velmi nespolehlivým ukazatelem pohlaví:

V článku ‘Impact of Facial Cosmetics on Automatic Gender and Age Estimation Algorithms’ zjistili výzkumníci z USA, že systémy ověření pohlaví byly oklamané make-upem, který měnil pohlaví. Source: https://cse.msu.edu/~rossarun/pubs/ChenCosmeticsGenderAge_VISAPP2014.pdf

V roce 2024 bylo odhadnuto, že 72 % amerických spotřebitelů ve věku 18-24 let začalo používat make-up jako součást své péče o pleť – ačkoli většina z nich používá kosmetické produkty k zlepšení vzhledu zdravé pleti, spíše než k použití make-upu jako součásti své vizuální estetiky.

Účinné odstranění make-upu – AI způsob

Výzkum zmíněný výše pochází od tří přispěvatelů z New York University, ve formě nové studie DiffClean: Diffusion-based Makeup Removal for Accurate Age Estimation.

Cílem projektu je vytvořit AI-poháněnou metodu odstranění make-upu z obrazů (potenciálně včetně videozáznamů), aby se získalo lepší pochopení skutečného věku osoby za make-upem.

Z nové studie, příklad odstranění make-upu. Zdroj: https://arxiv.org/pdf/2507.13292

Jednou z výzev při vývoji takového systému je potenciální citlivost kolem shromažďování nebo kurátorství obrazů nezletilých dívek s make-upem. Nakonec výzkumníci použili třetí stranu Generative Adversarial Network-based systém nazvaný EleGANt k umělému aplikování make-up stylů, což se ukázalo jako velmi účinné:

Systém EleGANt z Tsinghua University z roku 2022 používá Generative Adversarial Networks (GANs) k autentickému aplikování kosmetiky na zdroj fotografií. Zdroj: https://arxiv.org/pdf/2207.09840

S pomocí syntetických dat získaných tímto způsobem a s pomocí různých pomocných projektů a dat, byli autoři schopni překonat stávající metody ve věku odhadu, když se setkali s make-upem.

Studie uvádí:

‘DiffClean [odstraňuje] make-up stopy pomocí textem řízeného difuzního modelu, aby se bránilo proti make-up útokům. [To] zlepšuje věk odhadu (nezletilý vs. dospělý přesnost o 4,8%) a face verifikaci (TMR o 8,9% při FMR=0,01%) oproti konkurenčním baseline na digitálně simulovaných a skutečných make-up obrazech.’