Outil d’IA qui enlève le maquillage pour empêcher les mineurs de contourner les vérifications d’âge

L’apparence des cosmétiques faciaux permet aux utilisateurs mineurs, principalement des filles, de passer inaperçus des vérifications d’âge basées sur les selfies sur des plateformes telles que les applications de rencontres et les sites de commerce électronique. Un nouvel outil d’IA remédie à cette faille, en utilisant un modèle discriminatif formé pour effacer le maquillage tout en préservant l’identité, ce qui rend plus difficile pour les mineurs de tromper les systèmes automatisés.

L’utilisation de services de vérification d’âge basés sur les selfies par des tiers est en augmentation, notamment en raison d’une impulsion générale mondiale vers la vérification d’âge en ligne.

Par exemple, dans le nouveau régime d’application que la loi sur la sécurité en ligne du Royaume-Uni oblige désormais, la vérification d’âge peut être effectuée par une variété de services tiers services, en utilisant diverses méthodes possibles, y compris la vérification d’âge visuelle, où l’IA est utilisée pour prédire visuellement l’âge de l’utilisateur (généralement à partir de footage de caméra mobile en direct). Les services qui utilisent des approches de ce type comprennent Ondato, TrustStamp et Yoti.

Cependant, l’estimation de l’âge n’est pas infaillible, et la détermination traditionnelle des adolescents à anticiper les droits de l’âge adulte signifie que les jeunes ont développé une variété de méthodes efficaces pour accéder à des sites de rencontres, des forums et d’autres environnements qui interdisent leur groupe d’âge.

L’une de ces méthodes, le plus souvent utilisée par les filles*, est le port de maquillage facial – une tactique connue pour tromper les systèmes automatisés d’estimation de l’âge, qui surestiment généralement l’âge des jeunes et sous-estiment l’âge des personnes âgées.

Non seulement les filles

Avant que des protestations ne surgissent pour considérer le maquillage comme « axé sur les filles », nous devons noter que la présence de cosmétiques faciaux sur quelqu’un est un indicateur très peu fiable du genre:

Dans l’article ‘Impact des cosmétiques faciaux sur les algorithmes d’estimation automatique du genre et de l’âge’ les chercheurs américains ont constaté que les systèmes de vérification du genre étaient trompés par le maquillage qui change de genre. Source: https://cse.msu.edu/~rossarun/pubs/ChenCosmeticsGenderAge_VISAPP2014.pdf

En 2024, 72 % des consommateurs masculins américains âgés de 18 à 24 ans étaient estimés à intégrer le maquillage dans leur routine de soins personnels – bien que la plupart utilisent des produits cosmétiques pour améliorer l’apparence de leur peau saine, plutôt que de s’adonner à des combinaisons de mascara/lèvres plus associées à l’esthétique visuelle féminine.

Donc, nous ne pouvons pas nous empêcher de traiter la matière étudiée dans cet article le long des lignes du scénario le plus courant exploré dans les nouvelles recherches – celui des mineures utilisant du maquillage pour contourner les systèmes automatisés de vérification d’âge visuelle.

Enlèvement efficace du maquillage – La voie de l’IA

La recherche mentionnée ci-dessus provient de trois contributeurs de l’Université de New York, sous la forme du nouvel article DiffClean: Suppression de maquillage basée sur la diffusion pour une estimation précise de l’âge.

L’objectif du projet est de parvenir à une méthode d’IA pour supprimer l’apparence du maquillage des images (potentiellement y compris des images vidéo), afin d’obtenir une meilleure idée de l’âge réel de la personne derrière le maquillage.

À partir du nouvel article, un exemple de la façon dont la suppression de maquillage peut notablement modifier une prédiction d’âge. Source: https://arxiv.org/pdf/2507.13292

L’un des défis de développement d’un tel système est la sensibilité potentielle autour de la collecte ou de la curation d’images de mineures portant du maquillage. Finalement, les chercheurs ont utilisé un système basé sur un réseau antagoniste génératif tiers appelé EleGANt pour imposer artificiellement des styles de maquillage, une technique qui s’est avérée très efficace:

Le système EleGANt de l’Université Tsinghua de 2022 utilise un réseau antagoniste génératif (GAN) pour superposer authentiquement des cosmétiques sur des photos sources. Source: https://arxiv.org/pdf/2207.09840

Avec l’aide de données synthétiques obtenues de cette manière, et avec l’aide d’une gamme diversifiée de projets et de jeux de données auxiliaires, les auteurs ont pu dépasser les méthodes de pointe dans l’estimation de l’âge lorsqu’elles sont confrontées à du maquillage « performant » ou « évident ».

L’article indique:

‘DiffClean [supprime] les traces de maquillage en utilisant un modèle de diffusion guidé par du texte pour se défendre contre les attaques de maquillage. [Il] améliore l’estimation de l’âge (précision mineure/adulte de 4,8%) et la vérification d’identité (TMR de 8,9% à FMR=0,01%) par rapport aux méthodes de référence sur des images de maquillage numériquement simulées et réelles.’

Commençons par voir comment ils ont abordé la tâche.

Méthode

Pour éviter de collecter des images réelles de mineures portant du maquillage, les auteurs ont utilisé EleGANt pour appliquer des cosmétiques synthétiques à des images issues du jeu de données UTKFace, produisant des paires avant-après pour la formation.

Exemples du jeu de données UTKFace. Source: https://susanqq.github.io/UTKFace/

DiffClean a ensuite été formé pour inverser cette transformation. Puisque les algorithmes d’estimation de l’âge se trompent le plus lorsqu’ils traitent des groupes d’âge plus jeunes, les chercheurs ont trouvé nécessaire de développer un classificateur d’âge proxy affiné sur les âges cibles (10-19 ans). À cette fin, ils ont utilisé l’architecture SSRNet formée sur UTKFace, avec une perte L1 pondérée.

Une version simplifiée du modèle de diffusion OpenAI 2021 a fourni la base de la transformation, avec les auteurs conservant l’architecture de base, mais en la modifiant avec des têtes d’attention supplémentaires à des résolutions diverses, des couches plus profondes et des blocs de style BigGAN pour améliorer les étapes de suréchantillonnage et de sous-échantillonnage.

Le contrôle directionnel a été introduit en utilisant des invites CLIP: spécifiquement, visage avec maquillage et visage sans maquillage,  afin que le modèle apprenne à se déplacer dans la direction sémantique souhaitée, permettant de supprimer le maquillage sans compromettre les détails du visage, les indices d’âge ou l’identité.

Maquillage synthétique appliqué en utilisant EleGANt. Chaque triplet montre l’image UTKFace d’origine (gauche), le style de maquillage de référence (centre) et le résultat après transfert de style (droite). Le transfert de maquillage de ce type est courant dans la littérature de la vision par ordinateur, et cette fonctionnalité est également disponible dans les filtres neuronaux d’Adobe Photoshop, qui peuvent également imposer du maquillage à partir d’une image de référence sur une image cible.

Quatre fonctions de perte clés guidaient la suppression de maquillage sans affecter l’identité ou les indices d’âge du visage. Outre la perte basée sur CLIP mentionnée ci-dessus, l’identité a été préservée en utilisant une paire pondérée de pertes ArcFace issues de la bibliothèque InsightFace – des pertes qui mesuraient la similarité entre le visage généré et à la fois l’image d’origine propre et la version « maquillée », en garantissant que le sujet restait visuellement cohérent avant et après la suppression du maquillage.

Troisièmement, la perte perceptive LPIPS utilisait la distance L1 pour imposer la réalisme au niveau des pixels et conserver l’apparence générale de l’image d’origine après que le maquillage ait été supprimé.

Enfin, l’âge a été supervisé en utilisant un SSRNet affiné formé sur le jeu de données UTKFace, avec le modèle utilisant une perte L1 lissée (avec des pénalités plus lourdes pour les erreurs dans la plage d’âge de 10 à 29 ans, où les fausses classifications sont les plus courantes). Une variante du modèle a remplacé cela par une invite d’âge basée sur CLIP, en invitant le modèle à correspondre à l’apparence d’un âge spécifique.

Pour l’estimation de l’âge au moment de l’inférence (par opposition à l’utilisation de SSRNet au moment de la formation), le cadre MiVOLO 2023 a été utilisé.

Données et tests

Le réglage fin du UTKFace a employé un ensemble de formation de 15 364 images, contre un ensemble de test de 6 701 images. Les 20 000 images d’origine ont été filtrées pour supprimer quiconque avait plus de 70 ans, puis divisées à 70:30.

Conformément à la méthode antérieure établie par le projet DiffAM 2023, la formation s’est déroulée en deux étapes, avec la première session utilisant 300 images de maquillage du monde réel (cette fois une division de 200/100 entre la formation et la validation) à partir du jeu de données MT de BeautyGAN.

Le modèle a ensuite été affiné en utilisant 300 images UTKFace supplémentaires, augmentées avec du maquillage synthétique via EleGANt. Cela a créé un ensemble de formation final de 600 exemples, appariés sur cinq styles de référence à partir de BeautyGAN. Puisque la suppression de maquillage implique de mapper de nombreux styles de maquillage à un seul visage propre, la formation s’est concentrée sur une généralisation large plutôt que sur la couverture de chaque variation cosmétique possible.

Les performances ont été évaluées sur des images synthétiques et du monde réel. Les tests synthétiques ont utilisé 2 556 images du jeu de données Flickr-Faces-HQ (FFHQ), échantillonnées uniformément sur neuf groupes d’âge inférieurs à 70 ans, et modifiées avec EleGANt.

La généralisation a été évaluée en utilisant 3 000 images de BeautyFace et 355 de LADN, qui contiennent tous deux du maquillage authentique.

Exemples du jeu de données BeautyFace, illustrant la segmentation sémantique qui définit diverses zones de surface faciale affectées. Source: https://li-chongyi.github.io/BeautyREC_files/

Métriques et mise en œuvre

Pour les métriques, les auteurs ont utilisé l’erreur absolue moyenne (MAE) entre la vérité terrain (images réelles avec des âges réels établis) et les valeurs d’âge prédites, où des résultats plus bas sont meilleurs; l’exactitude du groupe d’âge a été utilisée pour évaluer si les âges prédits se retrouvaient dans les groupes corrects (dans ce cas, des résultats plus bas sont meilleurs); l’exactitude mineure/adulte a été utilisée pour évaluer l’identification correcte des personnes de 18 ans et plus (dans ce cas, un résultat plus élevé est meilleur).

En outre, bien que cela ne soit pas centré sur le sujet particulier en question, les auteurs rapportent également des métriques de vérification d’identité sous la forme d’un taux de correspondance réel (TMR) et d’un taux de correspondance fausse (FMR), ainsi que des valeurs de caractéristique de fonction de réception et d’opération (ROC) connexes.

SSRNet a été affiné sur des images de 64×64px en utilisant une taille de lot de 50 sous l’optimiseur Adam avec une décadence de poids de 1e−4, ainsi qu’un planificateur d’annealing cosinus, et un taux d’apprentissage de 1e−3 sur 200 époques, avec arrêt anticipé.

Par contre, le module DiffClean a reçu des images d’entrée de 256×256px et a été affiné pendant cinq époques en utilisant Adam, à un taux d’apprentissage plus grossier de 4e−3. L’échantillonnage a utilisé 40 étapes d’inversion DDIM et 6 étapes DDIM avant. Toute la formation a été effectuée sur une seule carte graphique NVIDIA A100 (que la quantité de VRAM soit de 40 Go ou 80 Go n’a pas été spécifiée).

Les systèmes concurrents testés étaient CLIP2Protect et le DiffAM mentionné précédemment. Les auteurs ont utilisé des styles de maquillage « mat » dans le flux de travail, car cela a été noté dans CLIP2Protect comme atteignant un taux de réussite plus élevé (présumant permettre un moyen d’opportunité pour ceux qui cherchent à vaincre cette approche – mais cela est une question pour une autre fois).

Pour reproduire DiffAM en tant que référence, le modèle préformé de BeautyGAN a été affiné sur le jeu de données MT. Pour le transfert de maquillage antagoniste, le point de contrôle de DiffAM a été utilisé avec des paramètres par défaut pour le modèle cible, l’image de référence et l’identité.

Performances de DiffClean par rapport aux références sur les tâches d’estimation d’âge, en utilisant MiVOLO. Les métriques rapportées sont l’exactitude de classification mineure/adulte, l’exactitude du groupe d’âge et l’erreur absolue moyenne (MAE). DiffClean avec perte d’âge CLIP atteint les meilleurs résultats sur toutes les métriques.

Sur ces résultats, les auteurs déclarent:

‘Notre méthode DIFFCLEAN surpasse les deux références, CLIP2Protect et DiffAM, et peut restaurer avec succès les indices d’âge perturbés en raison du maquillage en réduisant l’erreur absolue moyenne (à 5,71) et en améliorant la précision globale du groupe d’âge (à 37%).

‘Notre objectif s’est concentré sur les groupes d’âge mineurs, et les résultats indiquent que nous atteignons une classification d’âge mineure/adulte de 88,6%.’

Résultats de suppression de maquillage à partir des méthodes de référence et proposées. La colonne la plus à gauche montre les images sources, la suivante les sorties de CLIP2Protect et DiffAM. La troisième colonne montre les résultats de DiffClean via SSRNet et perte d’âge basée sur CLIP. Les auteurs soutiennent que DiffClean supprime le maquillage plus efficacement, en évitant la distorsion des fonctionnalités observée dans CLIP2Protect et les cosmétiques résiduels manqués par DiffAM.

Les auteurs notent en outre que le maquillage n’a pas d’effet uniforme sur l’âge perçu, mais peut augmenter, diminuer ou laisser inchangé l’âge apparent d’un visage. Par conséquent, DiffClean neapplique pas une « réduction globale » de l’âge prédit, mais tente plutôt de récupérer les indicateurs d’âge d’origine en supprimant les traces de maquillage:

Exemples de suppression de maquillage à partir des jeux de données CelebA-HQ et CACD. Chaque colonne montre une paire d’images avant (gauche) et après (droite) suppression de maquillage. Dans la première colonne, l’âge prédit diminue après la suppression du maquillage; dans la deuxième, il reste inchangé; et dans la troisième, il augmente.

Pour tester comment bien DiffClean se comportait sur des données nouvelles, il a été exécuté sur les jeux de données BeautyFace et LADN, qui contiennent du maquillage authentique, mais pas d’images appariées des mêmes sujets sans cosmétiques. Les prédictions d’âge faites avant et après la suppression du maquillage ont été comparées pour évaluer à quel point DiffClean réduisait la distorsion introduite par le maquillage:

Résultats de suppression de maquillage sur des images du monde réel à partir des jeux de données LADN (paire de gauche) et BeautyFace (paire de droite). DiffClean réduit les âges prédits en supprimant les cosmétiques, en réduisant l’écart entre l’âge apparent et l’âge réel. Les nombres blancs montrent les âges estimés avant et après le traitement.

Les résultats ont montré que DiffClean réduit de manière cohérente l’écart entre l’âge apparent et l’âge réel. Sur les deux jeux de données, il a réduit les erreurs de surestimation et de sous-estimation d’environ trois ans en moyenne, suggérant que le système se généralise bien aux styles de maquillage du monde réel.

Conclusion

Il est intéressant, et peut-être inévitable, que le maquillage cosmétique « performant » soit utilisé de manière antagoniste. Étant donné que les filles mûrissent à des rythmes différents, mais mûrissent de manière cohérente plus rapidement en tant que groupe, la tâche d’identifier le point de basculement entre le statut mineur et adulte féminin peut être l’une des plus ambitieuses que la scène de la recherche s’est encore donné.

Cependant, le temps et les données détermineront peut-être finalement des signes d’âge cohérents qui peuvent être utilisés pour ancrer les systèmes de vérification d’âge visuelle.

* Puisque ce sujet invite un langage chargé, et puisque ‘filles’ est excluant (alors que ‘femmes et filles’, le terme actuellement acceptable pour les personnes de genre féminin, n’est pas une description précise dans ce cas), j’ai recours à ‘femelles’ comme le meilleur compromis que j’ai pu concevoir – bien qu’il ne capture pas toutes les subtilités démographiques, pour lesquelles je m’excuse.

^† Dans cet article, j’utilise ‘performant’ pour indiquer le maquillage destiné à être vu et reconnu en tant que maquillage, tel que le mascara, le eyeliner, le blush et la fondation, par opposition aux crèmes de dissimulation et autres types de produits cosmétiques ‘sournois’.

Publié pour la première fois vendredi 18 juillet 2025