AI Bisa Menebak Tahun Foto dari Usia Orang

Penelitian baru menunjukkan AI dapat menggunakan wajah orang untuk memperkirakan tahun saat foto diambil, menggabungkan tebakan usia dengan tahun kelahiran yang diketahui untuk mengungguli metode berbasis pemandangan yang ada saat ini.   Menebak tanggal sebuah foto dulu lebih mudah daripada sekarang, karena gaya rambut dan pakaian pernah berkembang dengan kecepatan luar biasa. Untuk alasan yang banyak diperdebatkan, pergantian gaya visual ini berakhir sekitar tiga puluh tahun yang lalu, artinya tidak lagi begitu mudah untuk melihat gaya rambut atau pakaian dan menebak tahunnya dari petunjuk visual semacam ini. Untuk beberapa waktu, dimungkinkan juga untuk menentukan tanggal gambar dan film berdasarkan resolusi warna dan karakteristik grain dari stok film. Seseorang tidak perlu menjadi spesialis forensik; jika Anda menonton cukup banyak film lama, petunjuk budaya (seperti musik, mobil, mode, topik, dll.) pada akhirnya akan diasosiasikan oleh penonton dengan gaya stok film:

Ilustrasi tentang cara perbaikan stok film secara bertahap memperluas rentang warna kulit dan gaya pencahayaan dari waktu ke waktu, bergerak dari pengaturan datar dan frontal ke tampilan yang lebih naturalistik dan bervariasi. Sumber (artikel saya sendiri)

Sebuah ‘jangkar’ tambahan untuk menentukan tanggal foto adalah apakah foto itu hitam-putih – sebuah penghematan yang menjadi berlebihan setelah populernya fotografi digital awal abad ini. Sejumlah sistem komersial dan eksperimental, seperti PhotoDater yang dibundel dengan langganan MyHeritage, mencoba menentukan tanggal foto menggunakan kriteria ini dan berbagai kriteria lainnya.

Contoh estimasi usia foto, dari layanan berlangganan MyHeritage PhotoDater. Sumber

Tanpa tanda-tanda lain yang jelas, seperti ponsel pintar atau teknologi spesifik era lainnya, cara terbaik untuk mengetahui usia foto yang diambil dalam 15-25 tahun terakhir adalah jika Anda mengenal orang tersebut (misalnya, selebriti, atau mungkin kenalan), dan dapat memperkirakan usia mereka, yang menghasilkan perkiraan tahun yang kasar.

Usia Wajah sebagai Referensi

Dalam bidang computer vision, dan di berbagai bidang lainnya (misalnya, forensik, pemrosesan arsip, jurnalisme, arsitektur dataset, dll.), kemampuan untuk menentukan usia sebuah foto adalah tujuan yang berharga, karena banyak koleksi digital dan analog yang paling menarik kekurangan anotasi dan metadata yang tepat, atau bahkan memiliki metadata yang salah dari tebakan (yang salah) sebelumnya. Oleh karena itu, akan berguna jika sistem AI dapat meninjau foto dengan cara yang sama seperti kita ketika melihat kembali koleksi sejarah kita, dan berkomentar ‘Oh ya, itu ketika…’. Pertanyaannya adalah, apa yang bisa menjadi pengaitnya, tanpa petunjuk biasa yang diperlukan? Sebuah makalah penelitian baru dari Republik Ceko menawarkan pijakan awal ke pendekatan ini, dengan memanfaatkan sistem pengenalan usia berbasis AI, bersama dengan sistem pengenalan wajah yang terhubung ke database identitas umum (dalam hal ini, koleksi bergaya IMDB yang menampilkan pemain dan pembuat film Ceko):

Cuplikan dari ‘Joachim, Put It in the Machine’ (1974), digunakan untuk mengilustrasikan proses penanggalan. Model mendeteksi individu yang dikenal dalam foto, memperkirakan usia mereka menggunakan estimator usia wajah (kolom kanan), dan mengurangi nilai itu dari tahun kelahiran setiap orang untuk menghasilkan distribusi probabilitas atas kemungkinan tanggal foto. Grafik menunjukkan kemungkinan setiap estimasi usia, dengan garis putus-putus menandai usia sebenarnya orang tersebut pada saat foto diambil. Sumber

Sistem ini bekerja dengan mendeteksi individu yang dikenal dalam foto, memperkirakan usia wajah mereka menggunakan model yang telah dilatih sebelumnya, dan mengurangi estimasi ini dari tahun kelahiran mereka yang terdokumentasi untuk menghasilkan kemungkinan tanggal untuk foto tersebut. Ketika beberapa wajah hadir, estimasi tanggal digabungkan untuk menghasilkan prediksi akhir. Metode ini diuji pada gambar yang dikurasi dari Czecho-Slovak Movie Database (CSFD), dengan pendekatan yang dihasilkan, penulis menegaskan, menawarkan akurasi yang secara konsisten lebih baik daripada model berbasis pemandangan (model statis yang mengandalkan elemen latar belakang atau konteks visual daripada wajah) yang dilatih pada data yang sama. Skema untuk metode ini memerlukan database pusat yang berisi pengetahuan tentang kelompok individu yang luas, dalam hal ini database film Ceko bergaya IMDB; tetapi koleksi serupa apa pun yang menampilkan tanggal lahir yang dikonfirmasi dan acara dengan tanggal terkonfirmasi pusat dapat menghasilkan hasil yang serupa.