Herramienta de IA elimina maquillaje para evitar que menores evadan controles de edad

La apariencia de cosméticos faciales está permitiendo que usuarios menores de edad, en su mayoría chicas, se escabullan en controles de edad basados en selfies en plataformas como aplicaciones de citas y sitios de comercio electrónico. Una nueva herramienta de IA aborda esta laguna, utilizando un modelo discriminatorio entrenado para eliminar el maquillaje mientras conserva la identidad, lo que hace más difícil para los menores engañar a los sistemas automatizados.

El uso de servicios de verificación de edad basados en selfies de terceros está en aumento, no solo debido a un impulso global general hacia la verificación de edad en línea.

Por ejemplo, en el nuevo régimen de aplicación que el Acta de Seguridad en Línea del Reino Unido ahora exige, la verificación de edad puede realizarse mediante una variedad de servicios de terceros servicios, que utilizan varios métodos posibles, incluyendo la verificación de edad visual, donde se utiliza la IA para predecir visualmente la edad del usuario (generalmente a partir de footage de cámara en vivo de un teléfono móvil). Los servicios que utilizan enfoques de este tipo incluyen Ondato, TrustStamp y Yoti.

Sin embargo, la estimación de la edad no es infalible, y la determinación tradicional de los adolescentes de anticipar los derechos de la edad adulta significa que los jóvenes han desarrollado una variedad de métodos efectivos para ingresar a sitios de citas, foros y otros entornos que prohíben su grupo de edad.

Uno de estos métodos, utilizado más comúnmente por las chicas*, es el uso de maquillaje facial – una táctica conocida por engañar a los sistemas de estimación de edad automatizados, que generalmente sobreestiman la edad de los jóvenes y subestiman la edad de las personas mayores.

No solo las chicas

Antes de que surja una protesta por considerar el maquillaje como “enfocado en las chicas”, debemos tener en cuenta que la presencia de cosméticos faciales en cualquiera es un indicador muy poco fiable de género:

En el artículo ‘Impacto de los cosméticos faciales en los algoritmos de estimación de género y edad automáticos’ los investigadores estadounidenses encontraron que los sistemas de verificación de género fueron engañados por el maquillaje de cambio de género. Fuente: https://cse.msu.edu/~rossarun/pubs/ChenCosmeticsGenderAge_VISAPP2014.pdf

En 2024, se estimó que el 72% de los consumidores masculinos estadounidenses entre las edades de 18-24 incorporaban maquillaje en su rutina de aseo – aunque la mayoría utiliza productos cosméticos para mejorar la apariencia de la piel saludable, en lugar de disfrutar de combinaciones de maquillaje performático más asociadas con la estética visual de las mujeres.

Así que no podemos evitar tratar el material estudiado en este artículo a lo largo de las líneas del escenario más común explorado en la nueva investigación – el de las menores que utilizan maquillaje para subvertir los sistemas de verificación de edad visual automatizados.

Eliminación de maquillaje efectiva – El camino de la IA

La investigación mencionada anteriormente proviene de tres contribuyentes de la Universidad de Nueva York, en la forma del nuevo artículo DiffClean: Eliminación de maquillaje basada en difusión para una estimación de edad precisa.

El objetivo del proyecto es lograr un método impulsado por la IA para eliminar la apariencia de maquillaje de las imágenes (potencialmente incluyendo imágenes de video), con el fin de obtener una mejor idea de la verdadera edad de la persona detrás del maquillaje.

Del nuevo artículo, un ejemplo de cómo la eliminación de maquillaje puede alterar notablemente una predicción de edad. Fuente: https://arxiv.org/pdf/2507.13292

Uno de los desafíos de desarrollar un sistema de este tipo es la posible sensibilidad en torno a la recopilación o curación de imágenes de menores de edad con maquillaje. Al final, los investigadores utilizaron un sistema de red generativa adversaria de terceros llamado EleGANt para imponer estilos de maquillaje de manera artificial, una técnica que resultó muy efectiva:

El sistema EleGANt de la Universidad Tsinghua de 2022 utiliza una Red Generativa Adversaria (GAN) para superponer cosméticos de manera auténtica en las fotos de origen. Fuente: https://arxiv.org/pdf/2207.09840

Con la ayuda de datos sintéticos obtenidos de esta manera, y con la ayuda de una variedad de proyectos y conjuntos de datos auxiliares, los autores pudieron superar los métodos actuales en la estimación de la edad cuando se enfrentan a maquillaje “performático” o “evidente”.

El artículo establece:

‘DiffClean [elimina] las huellas de maquillaje utilizando un modelo de difusión guiado por texto para defenderse contra los ataques de maquillaje. [Mejora] la estimación de la edad (precisión de menor/mayor de 4.8%) y la verificación de la identidad (TMR de 8.9% en FMR=0.01%) con respecto a los métodos de referencia en imágenes de maquillaje digital y real.’

Veamos cómo abordaron la tarea.

Método

Para evitar obtener imágenes reales de menores con maquillaje, los autores utilizaron EleGANt para aplicar maquillaje sintético a imágenes obtenidas del conjunto de datos UTKFace, produciendo pares antes y después para el entrenamiento.

Ejemplos del conjunto de datos UTKFace. Fuente: https://susanqq.github.io/UTKFace/

DiffClean se entrenó entonces para revertir esta transformación. Dado que los algoritmos de estimación de la edad cometen más errores al tratar con grupos de edad más jóvenes, los investigadores encontraron necesario desarrollar un clasificador de edad proxy ajustado en las edades objetivo (10-19 años). Para ello utilizaron la arquitectura SSRNet entrenada en UTKFace, con una pérdida L1 ponderada.

Una versión simplificada del modelo de difusión de OpenAI de 2021 proporcionó la base para la transformación, con los autores conservando la arquitectura central, pero modificándola con cabezas de atención adicionales en diversas resoluciones, capas más profundas y bloques de estilo BigGAN para mejorar las etapas de muestreo y submuestreo.

Se introdujo el control direccional utilizando CLIP prompts: específicamente, rostro con maquillaje y rostro sin maquillaje, para que el modelo aprendiera a moverse en la dirección semántica deseada, permitiendo eliminar el maquillaje sin comprometer los detalles faciales, las pistas de edad o la identidad.

Maquillaje sintético aplicado utilizando EleGANt. Cada tríada muestra la imagen original de UTKFace (izquierda), el estilo de maquillaje de referencia (centro) y el resultado después de la transferencia de estilo (derecha). La transferencia de maquillaje de este tipo es común en la literatura de visión por computadora, y esta facilidad también está disponible en los filtros neuronales de Adobe Photoshop, que pueden imponer maquillaje de una imagen de referencia en una imagen objetivo de manera similar.

Cuatro funciones de pérdida clave guiaron la eliminación de maquillaje sin afectar la identidad facial o las pistas de edad. Además de la pérdida basada en CLIP mencionada anteriormente, se preservó la identidad utilizando un par ponderado de pérdidas ArcFace extraídas de la biblioteca InsightFace – pérdidas que medían la similitud entre el rostro generado y tanto la imagen original limpia como la versión “maquillada”, asegurando que el sujeto permaneciera visualmente coherente antes y después de la eliminación del maquillaje.

En tercer lugar, la pérdida perceptual Métricas de similitud perceptual aprendidas (LPIPS) utilizó la distancia L1 para imponer realismo a nivel de píxel y conservar la apariencia general de la imagen original después de que se eliminara el maquillaje.

Finalmente, la edad se supervisó utilizando un SSRNet ajustado en el conjunto de datos UTKFace, con el modelo utilizando una pérdida L1 suavizada (con penalizaciones más pesadas para los errores en el rango de edad de 10-29 años, donde la mala clasificación es más común). Una variante del modelo reemplazó esto con una llamada de edad basada en CLIP, que instaba al modelo a coincidir con la apariencia de una edad específica.

Para la estimación de la edad en el momento de la inferencia (en lugar del uso de SSRNet en el momento del entrenamiento), se utilizó el marco MiVOLO de 2023.

Datos y pruebas

El ajuste de UTKFace de SSRNet empleó un conjunto de entrenamiento de 15,364 imágenes, frente a un conjunto de prueba de 6,701 imágenes. Las 20,000 imágenes originales se filtraron para eliminar a cualquier persona mayor de 70 años, y luego se dividieron en una proporción de 70:30.

De acuerdo con el método anterior establecido por el proyecto DiffAM de 2023, el entrenamiento se llevó a cabo en dos etapas, con la primera sesión utilizando 300 imágenes de maquillaje del mundo real (esta vez con una división de 200/100 entre entrenamiento y validación) del conjunto de datos MT de BeautyGAN.

El modelo se refinó aún más utilizando 300 imágenes adicionales de UTKFace, aumentadas con maquillaje sintético a través de EleGANt. Esto creó un conjunto de entrenamiento final de 600 ejemplos, emparejados a través de cinco estilos de referencia de BeautyGAN. Dado que la eliminación de maquillaje implica asignar muchos estilos de maquillaje a un solo rostro limpio, el entrenamiento se centró en la generalización en lugar de cubrir todas las posibles variaciones cosméticas.

El rendimiento se evaluó en imágenes sintéticas y del mundo real. Las pruebas sintéticas utilizaron 2,556 imágenes del conjunto de datos Flickr-Faces-HQ (FFHQ), muestreadas uniformemente en nueve grupos de edad por debajo de 70, y modificadas con EleGANt.

La generalización se evaluó utilizando 3,000 imágenes del conjunto de datos BeautyFace y 355 del conjunto de datos LADN, que contienen maquillaje auténtico.

Ejemplos del conjunto de datos BeautyFace, que ejemplifican la segmentación semántica que define varias áreas de la superficie facial afectada. Fuente: https://li-chongyi.github.io/BeautyREC_files/

Métricas e implementación

Para las métricas, los autores utilizaron Error absoluto medio (MAE) entre la verdad de referencia (imágenes reales con edades establecidas) y los valores de edad predichos, donde los resultados más bajos son mejores; precisión del grupo de edad se utilizó para evaluar si las edades predichas terminaron en los grupos correctos (en cuyo caso, los resultados más bajos son mejores); la precisión de menor/mayor se utilizó para evaluar la identificación correcta de personas mayores de 18 años (donde un resultado más alto es mejor).

Además, aunque no se centra en el tema particular en cuestión, los autores también informan sobre las métricas de verificación de la identidad en la forma de Tasa de coincidencia verdadera (TMR) y Tasa de coincidencia falsa (FMR), con informes adicionales de valores relacionados de Curva de características del receptor operativo (ROC).

SSRNet se ajustó en imágenes de 64×64px utilizando un tamaño de lote de 50 bajo el optimizador Adam con un decaimiento de peso de 1e−4, así como un programador de annealing cósico, y una tasa de aprendizaje de 1e−3 durante 200 épocas, con parada temprana.

Por contraste, el módulo DiffClean recibió imágenes de entrada de 256×256px y se ajustó durante cinco épocas utilizando Adam, a una tasa de aprendizaje más grande de 4e−3. El muestreo utilizó 40 pasos de inversión DDIM y 6 pasos de DDIM hacia adelante. Todo el entrenamiento se realizó en una sola GPU NVIDIA A100 (ya sea con 40GB o 80GB de VRAM, lo que no se especificó).

Los sistemas rivales probados fueron CLIP2Protect y el anteriormente mencionado DiffAM. Los autores utilizaron estilos de maquillaje “matte” en el flujo de trabajo, ya que se ha observado en CLIP2Protect que logra una tasa de éxito más alta (presumiblemente permitiendo una oportunidad para aquellos que buscan derrotar este enfoque – pero eso es un tema para otro momento).

Para replicar DiffAM como una línea de base, el modelo preentrenado de BeautyGAN se ajustó en el conjunto de datos MT. Para la transferencia de maquillaje adversarial, se utilizó el punto de control de DiffAM con parámetros predeterminados para el modelo objetivo, la imagen de referencia y la identidad.

Rendimiento de DiffClean en comparación con las líneas de base en tareas de estimación de edad, utilizando MiVOLO. Las métricas informadas son la precisión de clasificación de menor/mayor, la precisión del grupo de edad y el error absoluto medio (MAE). DiffClean con pérdida de edad CLIP logra los mejores resultados en todas las métricas.

De estos resultados, los autores afirman:

‘Nuestro método DIFFCLEAN supera a ambas líneas de base, CLIP2Protect y DiffAM, y puede restaurar con éxito las pistas de edad perturbadas debido al maquillaje, reduciendo el MAE (a 5.71) y mejorando la precisión general del grupo de edad (a 37%).

‘Nuestro objetivo se centró en los grupos de edad menores, y los resultados indican que logramos una clasificación superior de menor/mayor de 88.6%.’

Resultados de eliminación de maquillaje de los métodos de referencia y propuestos. La columna más a la izquierda muestra las imágenes de origen, la siguiente los resultados de CLIP2Protect y DiffAM. La tercera columna muestra los resultados de DiffClean a través de SSRNet y pérdida de edad basada en CLIP. Los autores sostienen que DiffClean elimina el maquillaje más efectivamente, evitando la distorsión de características vista en CLIP2Protect y los cosméticos residuales que DiffAM no detecta.

Los autores también señalan que el maquillaje no tiene un efecto uniforme en la edad aparente, sino que puede aumentar, disminuir o dejar sin cambios la edad aparente de un rostro. Por lo tanto, DiffClean no aplica una “reducción en la edad predicha” general, sino que intenta recuperar las pistas de edad originales eliminando las huellas de maquillaje:

Ejemplos de eliminación de maquillaje de los conjuntos de datos CelebA-HQ y CACD. Cada columna muestra un par de imágenes antes (izquierda) y después (derecha) de la eliminación del maquillaje. En la primera columna, la edad predicha disminuye después de la eliminación del maquillaje; en la segunda, permanece sin cambios; y en la tercera, aumenta.

Para probar qué tan bien DiffClean se desempeñaba en datos nuevos, se ejecutó en los conjuntos de datos BeautyFace y LADN, que contienen maquillaje auténtico, pero no tienen imágenes emparejadas de los mismos sujetos sin cosméticos. Las predicciones de edad realizadas antes y después de la eliminación del maquillaje se compararon para evaluar cómo efectivamente DiffClean redujo la distorsión introducida por el maquillaje:

Resultados de eliminación de maquillaje en imágenes del mundo real de los conjuntos de datos LADN (par izquierdo) y BeautyFace (par derecho). DiffClean reduce las edades predichas al eliminar los cosméticos, reduciendo la brecha entre la edad aparente y la edad real. Los números blancos muestran las edades estimadas antes y después del procesamiento.

Los resultados mostraron que DiffClean redujo consistentemente la brecha entre la edad aparente y la edad real. En ambos conjuntos de datos, redujo los errores de sobreestimación y subestimación en aproximadamente tres años en promedio, lo que sugiere que el sistema se generaliza bien a estilos de maquillaje del mundo real.

Conclusión

Es interesante, y quizás inevitable, que el maquillaje cosmético “performático” se utilice de manera adversaria. Dado que las chicas maduran a diferentes ritmos, pero maduran consistentemente más rápido como grupo, la tarea de identificar el umbral entre el estatus de menor y adulto femenino puede ser una de las más ambiciosas que la escena de investigación ha establecido hasta ahora.

No obstante, el tiempo y los datos pueden eventualmente determinar signos de edad relacionados consistentes que se puedan utilizar para anclar los sistemas de verificación de edad visual.

* Dado que este tema invita a un lenguaje cargado, y dado que ‘chicas’ es excluyente (mientras que ‘mujeres y chicas’, el término actualmente aceptable para personas de género femenino, no es una descripción precisa en este caso), he optado por ‘femenino’ como el mejor compromiso que pude idear – aunque no capta todas las sutilezas demográficas, por las cuales me disculpo.

^† En este artículo, utilizo ‘performático’ para indicar maquillaje que se pretende ver y reconocer como maquillaje, como el rímel, el delineador, el rubor y la base, en oposición a las cremas de cobertura y otros tipos de aplicaciones cosméticas ‘sigilosas’.

Publicado por primera vez el viernes 18 de julio de 2025