AI Dapat Menebak Tahun Foto Berdasarkan Usia Orang

Penelitian baru menunjukkan bahwa AI dapat menggunakan wajah orang untuk memperkirakan tahun foto diambil, dengan menggabungkan tebakan usia dengan tahun kelahiran yang diketahui untuk mengalahkan metode berbasis adegan saat ini.

Menebak tanggal foto dulunya lebih mudah daripada sekarang, karena mode rambut dan pakaian berkembang dengan kecepatan tinggi. Untuk alasan yang diperdebatkan, perubahan gaya visual ini berhenti sekitar tiga puluh tahun yang lalu, yang berarti bahwa tidak lagi mudah untuk melihat gaya rambut atau pakaian dan menebak tahun dari petunjuk visual semacam itu.

Untuk beberapa waktu, juga memungkinkan untuk menentukan tanggal gambar dan film berdasarkan resolusi warna dan karakteristik butiran film. Seseorang tidak perlu menjadi spesialis forensik; jika Anda menonton film lama, petunjuk budaya (seperti musik, mobil, mode, topik, dll.) akan menjadi terkait, oleh penonton, dengan gaya film:

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

Sebuah ‘jangkar’ tambahan untuk menentukan tanggal foto adalah apakah itu berwarna hitam-putih – sebuah ekonomi yang menjadi usang setelah popularitas fotografi digital awal abad ini

Beberapa sistem komersial dan eksperimental, seperti MyHeritage yang disertakan dengan langganan PhotoDater mencoba menentukan tanggal foto menggunakan kriteria ini dan lain-lain.

Contoh perkiraan usia foto dari layanan MyHeritage PhotoDater yang hanya tersedia untuk pelanggan. Sumber

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

Usia Wajah sebagai Referensi

Di bidang penglihatan komputer, dan di bidang lainnya (yaitu forensik, pemrosesan arsip, jurnalistik, arsitektur dataset, dll.) kemampuan untuk menentukan usia foto adalah tujuan yang diinginkan, karena banyak koleksi digital dan analog yang paling menarik tidak memiliki anotasi dan metadata yang tepat, atau bahkan memiliki metadata yang salah dari tebakan sebelumnya.

Oleh karena itu, akan sangat berguna jika sistem AI dapat meninjau foto dengan cara yang sama seperti kita ketika melihat kembali koleksi historis kita, dan mengatakan ‘Oh ya, itu ketika…’. Pertanyaannya adalah, apa yang bisa menjadi kaitan, tanpa petunjuk biasa?

Sebuah makalah penelitian baru dari Republik Ceko menawarkan awal yang menjanjikan untuk pendekatan ini, dengan mengeksploitasi sistem pengenalan usia berbasis AI, bersama dengan sistem pengenalan wajah yang terkait dengan database identitas umum (dalam hal ini, koleksi Czech yang mirip dengan IMDB yang menampilkan pembuat film dan pelaku seni):

Sebuah 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 masing-masing untuk menghasilkan distribusi probabilitas atas tanggal foto yang mungkin. Grafik menunjukkan kemungkinan setiap perkiraan 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 pra-dilatih, dan mengurangi perkiraan itu dari tahun kelahiran mereka yang terdokumentasi untuk menghasilkan tanggal yang mungkin untuk foto. Ketika beberapa wajah hadir, perkiraan tanggal digabungkan untuk menghasilkan prediksi akhir.

Metode ini diuji pada gambar yang dikurasi dari Czecho-Slovak Movie Database (CSFD), dengan hasil bahwa pendekatan ini menawarkan akurasi yang konsisten lebih baik daripada model berbasis adegan (model statis yang bergantung pada 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 sekelompok besar individu, dalam hal ini database film Ceko yang mirip dengan IMDB; tetapi koleksi serupa yang menampilkan tanggal kelahiran dan acara yang dikonfirmasi dapat menghasilkan hasil serupa.

Makalah tersebut menyatakan:

‘Secara unik, dataset kami menyediakan anotasi untuk beberapa individu dalam satu gambar, memungkinkan studi tentang agregasi informasi multi-wajah. Kami mengusulkan kerangka kerja probabilistik yang secara formal menggabungkan bukti visual dari model pengenalan wajah modern dan estimator usia, serta prior temporal berbasis karir untuk menyimpulkan tahun pengambilan foto.

‘Eksperimen kami menunjukkan bahwa menggabungkan bukti dari beberapa wajah secara konsisten meningkatkan kinerja dan pendekatan ini secara signifikan mengungguli baseline berbasis adegan, terutama untuk gambar yang berisi beberapa individu yang dapat diidentifikasi.’

Makalah baru ini berjudul Penanggalan Foto dengan Agregasi Usia Wajah, dan berasal dari dua peneliti di Czech Technical University di Praha, dengan janji rilis kode/data yang akan datang.

Metode

Untuk memperkirakan kapan sebuah foto diambil, sistem baru para penulis melihat setiap wajah yang terdeteksi dan mencoba menebak siapa itu, menggunakan database yang disebutkan sebelumnya dari orang-orang yang dikenal. Karena seseorang hanya dapat muncul sekali dalam sebuah foto, sistem memeriksa semua kombinasi kemungkinan identitas dan menggunakan tahun kelahiran mereka yang diketahui untuk memperkirakan berapa umur mereka terlihat.

Setelah itu, sistem bekerja mundur untuk memperkirakan tahun yang paling mungkin yang akan membuat usia tersebut sesuai:

Kiri: sistem membangun garis waktu yang menunjukkan kapan individu yang dikenali paling aktif, berdasarkan karir mereka. Kanan: ini digabungkan dengan perkiraan usia wajah untuk menghasilkan perkiraan akhir untuk kapan gambar diambil.

Untuk mengelola banyak kombinasi identitas yang mungkin, sistem menganggap bahwa wajah independen, dan bahwa penampilan setiap wajah hanya bergantung pada identitas dan tanggal foto.

Untuk memperkirakan kapan sebuah foto diambil, sistem pertama-tama memperkirakan usia setiap wajah yang terdeteksi menggunakan model cvut-002 NIST, yang berbasis pada arsitektur ViT-B/16, dan dilatih pada dataset pribadi (yang, menurut para penulis, menduduki peringkat tinggi dalam database Face Analysis Technology Evaluation (FATE) NIST).

Setelah tahun kelahiran seseorang diketahui, model mengubah perkiraan usia menjadi tahun foto yang mungkin dengan menambahkan usia ke tahun kelahiran, menghasilkan distribusi probabilitas atas tahun pengambilan. Untuk menilai seberapa baik wajah yang terdeteksi cocok dengan identitas yang dikenal, sistem membandingkan embeddings mereka dalam ruang ArcFace:

ArcFace, arsitektur kontribusi utama untuk model InsightFace yang populer, diluncurkan pada 2015, dan ditakdirkan untuk menjadi proyek yang sangat berpengaruh dalam penilaian dan evaluasi wajah. Sumber

Setiap identitas direpresentasikan oleh embedding rata-rata yang dibangun dari potret referensinya. Kesamaan antara wajah uji dan identitas kemudian diukur menggunakan Distribusi Von Mises Fisher, yang memodelkan seberapa erat potret identitas tersebut mengelompok di sekitar rata-rata tersebut. Sebuah parameter ketajaman bersama mengontrol seberapa yakin sistem tersebut dalam klaster tersebut, dan diestimasi menggunakan strategi leave-one-out pada potret identitas.

Model mendefinisikan lima jenis prior untuk memperkirakan kapan seseorang yang dikenali mungkin muncul dalam sebuah foto: seragam; dekade; film; gambar; dan prior kombinasi konveks yang menggabungkan pilihan terkuat dan terlemah, untuk menguji sensitivitas terhadap kekuatan prior (yaitu, ketahanan prior terhadap stres).

Untuk menangani wajah yang tidak dapat diidentifikasi dengan percaya diri, model tersebut mencakup identitas ‘tidak diketahui’ dengan distribusi yang tidak informatif, yang menampilkan kemungkinan wajah yang datar dalam ruang embedding, dan prior temporal yang datar di semua tahun. Ini memungkinkan wajah yang tidak pasti untuk diabaikan tanpa mempengaruhi perkiraan tanggal akhir:

Bagaimana kinerja dipengaruhi ketika beberapa wajah dalam gambar tidak dapat diidentifikasi. Setiap persegi menunjukkan rata-rata kesalahan penanggalan untuk jumlah identitas yang dikenal dan tidak dikenal yang berbeda, dengan ukuran persegi mencerminkan seberapa umum kombinasi tersebut dalam dataset. Kesalahan meningkat dengan lebih banyak yang tidak diketahui, tetapi menurun secara stabil ketika lebih banyak identitas yang dikenal ditambahkan.

Data dan Pengujian

Para penulis menggunakan dataset CSFD yang disebutkan sebelumnya untuk memasok data untuk koleksi baru yang mereka sebut CSFD-1.6M. Dataset ini dibangun dari adegan yang menampilkan beberapa orang, dengan setiap wajah dilabeli dengan identitas dan tahun. Struktur ini diperlukan untuk mengajarkan model bagaimana wajah terkait dalam konteks; dataset single-face seperti IMDB-WIKI tidak mendukung ini, karena mereka hanya melabeli satu orang per gambar.

Tahun rilis film dari Czecho-Slovak Movie Database digunakan untuk memperkirakan kapan foto diambil, dengan setiap orang dalam gambar dicocokkan dengan profil publik yang menampilkan tahun kelahiran mereka, dan sebuah potret.

Setelah itu, setiap wajah dalam gambar dicocokkan dengan salah satu identitas yang dikenal, awalnya menggunakan ArcFace untuk membuat embeddings wajah, dan menghitung embedding rata-rata untuk setiap identitas.

Setelah itu, algoritma Hungaria digunakan untuk mengassign wajah ke identitas dengan membandingkan kesamaan embedding, dengan penyesuaian dilakukan ketika jumlah wajah yang terdeteksi melalui kerangka kerja SCRFD-10GE tidak sesuai dengan jumlah individu yang dikenal.

Statistik dari dataset CSFD-1.6M, yang menjelaskan gambar yang dikurasi, wajah yang terdeteksi, kecocokan identitas, sampel yang dianotasi akhir, dan kumpulan identitas yang tersedia.

Pencocokan ditolak jika kesamaan terlalu rendah atau jika perkiraan usia berbeda terlalu besar dari usia yang diketahui, dengan toleransi yang lebih besar diizinkan untuk subjek yang lebih tua, dan wajah tidak disaring berdasarkan kualitas atau ukuran.

Para penulis mencatat keunggulan dataset yang mereka kumpulkan dibandingkan dengan dataset terdekat, IMDB-WIKI:

‘Dataset kami tidak hanya jauh lebih besar, tetapi secara kritis, terdiri dari adegan multi-orang yang diperlukan oleh model kami. Sementara tidak ada dataset yang dikumpulkan dari web yang bebas dari noise label, pipa anotasi kami memanfaatkan tautan eksplisit antara gambar dan profil identitas yang disediakan oleh database, dengan tujuan untuk mendapatkan penugasan identitas yang lebih berkualitas.’

Mereka membandingkan beberapa versi sistem penanggalan, untuk memahami dari mana keuntungan mereka berasal. Salah satu model menganggap pengetahuan yang sempurna tentang siapa yang ada dalam gambar, memberikan batas atas kinerja dengan menghilangkan ketidakpastian dalam pengenalan identitas, dengan versi penuh model kemudian memperkirakan identitas dan tanggal secara bersamaan, menimbang berbagai penugasan identitas yang berbeda sebelum tiba pada perkiraan tahun akhir.

Sebuah varian yang lebih sederhana memilih konfigurasi identitas yang paling mungkin tanpa marginalisasi atas alternatif, yang terbukti hampir sama efektif dalam prakteknya.

Sebaliknya, baseline yang paling dasar menugaskan setiap wajah secara independen dan menggabungkan perkiraan tahun yang dihasilkan dari usia, tanpa mempertimbangkan apakah identitas secara kolektif masuk akal.

Untuk menguji seberapa banyak metode ini mendapat keuntungan dari penggunaan wajah, model terpisah dilatih untuk memperkirakan tanggal langsung dari seluruh adegan. Model berbasis adegan ini merupakan pendekatan alternatif terkuat yang saat ini digunakan dalam estimasi tanggal gambar, karena dapat mempelajari pola visual khas era di seluruh gambar, bukan bergantung pada identitas atau usia.

Metrik dan Data

Mean Absolute Error (MAE) antara tahun yang diprediksi dan kebenaran dasar yang diketahui adalah metrik utama untuk eksperimen.

Data dibagi menjadi lima bagian, dengan perhatian untuk memastikan bahwa semua gambar dari film yang sama tetap dalam partisi yang sama. Tiga bagian ini digunakan untuk pelatihan, satu untuk validasi, dan satu untuk pengujian. Rotasi lima kali ini diterapkan untuk mencegah overfitting.

Karena model berbasis wajah tidak dilatih pada dataset ini, tidak ada pembagian yang diperlukan, dan sebagai gantinya, mereka dievaluasi langsung pada set CSFD-1.6M yang lengkap.

Model Adegan dilatih selama 200 epoch di bawah optimizer Adam, dengan gambar diubah ukurannya menjadi 384×384 crop.

Hasil

Bagian hasil dari makalah ini dibagi secara tidak biasa di beberapa indikator kinerja, tanpa ada satu tes terkemuka atau pusat. Namun, kami akan menyajikan beberapa hasil yang paling relevan di sini.

Hasil yang paling penting bukanlah satu angka, tetapi pola: model agregasi wajah (terutama varian Penuh dan Top-1) secara konsisten mengungguli baseline Adegan yang kuat setiap kali dua atau lebih identitas yang dikenal hadir – bahkan jika model Adegan dilatih langsung pada dataset yang sama, mendukung klaim utama bahwa penanggalan wajah yang terkait dengan identitas memberikan sinyal yang lebih kuat daripada interpretasi adegan holistik.

Untuk mengevaluasi efek prior temporal, para penulis membandingkan beberapa konfigurasi dari model Penuh mereka. Kinerja terkuat diperoleh dengan menggunakan Prior Dekade, yang secara signifikan mengungguli model Naif (yang tidak menggunakan prior temporal) dan Prior Seragam (yang menganggap tidak ada preferensi atas tahun):

Kinerja menurun tajam untuk semua metode saat jumlah wajah meningkat, tetapi model yang menggunakan prior temporal yang realistis seperti Prior Dekade terpengaruh jauh lebih sedikit. Baseline Naif dan Adegan tetap datar atau memburuk dengan grup yang lebih besar, sementara model Penuh yang dipandu oleh prior yang informatif mempertahankan kesalahan rendah. Prior berbasis orakel, yang bergantung pada statistik set uji, mendefinisikan batas bawah kinerja yang dapat dicapai.

Untuk menunjukkan nilai CSFD-1.6M di luar penanggalan foto, dataset ini juga diuji sebagai sumber pra-pelatihan untuk tugas yang lebih luas dari estimasi usia wajah. Mengikuti protokol evaluasi standar, model ResNet101 diprapelatih pada CSFD-1.6M, dan dibandingkan dengan model yang diprapelatih pada IMDB-WIKI dan ImageNet. Model-model ini kemudian diperhalus dan dievaluasi di lima benchmark populer: AgeDB; AFAD, MORPH; UTKFace; dan CLAP2016:

Mean absolute error (plus minus standar deviasi) pada lima benchmark estimasi usia, membandingkan model yang diprapelatih pada ImageNet, IMDB-WIKI, dan CSFD-1.6M. Nilai yang lebih rendah menunjukkan kinerja yang lebih baik. CSFD-1.6M menghasilkan hasil terbaik di semua benchmark.

Di semua lima dataset, pra-pelatihan pada CSFD-1.6M menghasilkan tingkat kesalahan terendah, mengungguli dua sumber pra-pelatihan lainnya dengan margin yang jelas – celah kinerja yang terbukti kuat di AFAD dan CLAP2016, tetapi konsisten di semua benchmark.

Kami merujuk pembaca ke bagian hasil yang tersisa di makalah sumber, yang juga membahas studi ablasi secara ekstensif.

Kesimpulan

Meskipun makalah baru ini dengan cepat menjadi padat dan tidak dapat diakses oleh pembaca kasual, topik yang dibahas adalah salah satu yang paling menarik dan relevan dalam literatur penglihatan komputer – tidak hanya karena ini melintasi bidang antropologi dan studi budaya dengan sangat baik, di mana konstanta sulit untuk ditentukan.

* Just like evolusi musik juga melambatkan laju perubahan.

Dipublikasikan pertama kali pada hari Senin, 10 November 2025