L’AI può indovinare l’anno di una foto dai volti delle persone

Una nuova ricerca mostra che l’AI può utilizzare i volti delle persone per stimare l’anno in cui è stata scattata una foto, combinando le stime dell’età con gli anni di nascita noti per superare i metodi attuali basati sulla scena.

Indovinare la data di una foto un tempo era molto più facile di quanto non lo sia ora, perché le mode dei capelli e degli abiti evolvevano a ritmo serrato. Per motivi molto discussi, questo turbine di stile visivo si è interrotto circa trent’anni fa, il che significa che non è più così facile guardare un taglio di capelli o degli abiti e indovinare l’anno da questo tipo di indizio visivo.

Per un certo periodo, è stato possibile datare immagini e film in base alla risoluzione dei colori e alle caratteristiche del grain del film. Non era necessario essere un esperto forense; se si guardavano abbastanza film vecchi, gli indizi culturali (come la musica, le auto, la moda, gli argomenti, ecc.) alla fine sarebbero stati associati, dallo spettatore, con stili di film:

Un’illustrazione di come i miglioramenti del film abbiano gradualmente ampliato la gamma di toni della pelle e stili di illuminazione nel tempo, passando da impostazioni frontali piatte a look più naturalistici e vari. Fonte (il mio articolo)

Un ulteriore “ancora” per datare una fotografia era se era in bianco e nero – un’economia che è diventata ridondante dopo la popolarizzazione della fotografia digitale all’inizio di questo secolo

Una serie di sistemi commerciali e sperimentali, come il servizio PhotoDater di MyHeritage, tentano di datare le foto utilizzando questi e altri criteri diversi.

Un esempio di stima dell’età di una foto dal servizio PhotoDater di MyHeritage. Fonte

In assenza di altri segni rivelatori, come smartphone o tecnologie specifiche di un’epoca, il miglior modo per determinare l’età di una foto scattata negli ultimi 15-25 anni è se si conosce la persona (ad esempio, un personaggio famoso o forse un conoscente) e si può stimare la sua età, il che fornisce un equivalente anno approssimativo.

Età facciale come riferimento

Nel campo della visione artificiale e in diversi altri campi (ad esempio, forensi, elaborazione di archivi, giornalismo, architettura di dataset, ecc.) la capacità di determinare l’età di una foto è un obiettivo ambito, poiché molte delle collezioni digitali e analogiche più interessanti mancano di annotazioni e metadati appropriati, o addirittura hanno metadati errati a causa di ipotesi precedenti (errate).

Pertanto, sarebbe utile se un sistema AI potesse esaminare le foto nello stesso modo in cui noi le esaminiamo quando ripercorriamo le nostre collezioni storiche e commentiamo ‘Oh sì, quello era quando…’. La domanda è, cosa potrebbe essere l’ancora, in assenza degli indizi usuali?

Un nuovo articolo di ricerca della Repubblica Ceca offre un primo punto di partenza per questo approccio, sfruttando sistemi di riconoscimento dell’età basati sull’AI e sistemi di riconoscimento facciale collegati a un database comune di identità (in questo caso, una raccolta di tipo IMDB che presenta performer e registi cechi):

Un fotogramma da ‘Joachim, Put It in the Machine’ (1974), utilizzato per illustrare il processo di datazione. Il modello rileva individui noti nella foto, stima la loro età utilizzando un estimatore dell’età facciale (colonna destra), e sottrae quel valore dall’anno di nascita di ogni persona per generare una distribuzione di probabilità sulle possibili date della foto. I grafici mostrano la probabilità di ogni stima di età, con linee tratteggiate che segnano l’età vera di ogni persona al momento della foto. Fonte

Il sistema funziona rilevando individui noti in una foto, stimando la loro età facciale utilizzando un modello pre-addestrato, e sottraendo questa stima dall’anno di nascita documentato per generare date probabili per la foto. Quando sono presenti più volti, le stime di data vengono aggregate per produrre una previsione finale.

Il metodo è stato testato su immagini curate dal Czecho-Slovak Movie Database (CSFD), con il risultato che l’approccio proposto dagli autori offre una precisione costantemente maggiore rispetto ai modelli basati sulla scena (modelli statici che si affidano a elementi di sfondo o contesto visivo piuttosto che ai volti) addestrati sugli stessi dati.

Lo schema per questo metodo richiede un database centrale che contenga conoscenze su un ampio gruppo di individui; in questo caso, il database cinematografico ceco di tipo IMDB; ma qualsiasi raccolta simile che presenti date di nascita confermate e eventi con date confermate potrebbe produrre un risultato simile.

L’articolo afferma:

‘In modo unico, il nostro dataset fornisce annotazioni per più individui all’interno di una singola immagine, consentendo lo studio dell’aggregazione di informazioni multi-facciali. Proponiamo un framework probabilistico che combina formalmente le prove visive dei modelli di riconoscimento facciale e stima dell’età moderni, e priori temporali basati sulla carriera per inferire l’anno di scatto della foto.

‘I nostri esperimenti dimostrano che l’aggregazione delle prove da più volti migliora costantemente le prestazioni e l’approccio supera significativamente le linee di base basate sulla scena, in particolare per immagini che contengono più identità riconoscibili.’

Il nuovo articolo si intitola Datazione di foto per aggregazione dell’età facciale e proviene da due ricercatori dell’Università Tecnica Ceca di Praga, con la promessa di una futura pubblicazione del codice e dei dati.

Metodo

Per stimare quando una foto è stata scattata, il nuovo sistema degli autori esamina ogni volto rilevato e tenta di indovinare chi potrebbe essere, utilizzando il database sopracitato di persone note. Poiché una persona può apparire solo una volta in una foto, il sistema controlla tutte le combinazioni possibili di identità e utilizza gli anni di nascita noti per stimare quanti anni potrebbe avere ogni persona.

Dopo di ciò, lavora a ritroso per stimare l’anno più probabile che farebbe coincidere quelle età:

A sinistra: il sistema costruisce una timeline che mostra quando gli individui riconosciuti sono stati più attivi, in base alle loro carriere note. A destra: ciò viene combinato con le stime dell’età facciale per produrre una stima finale di quando l’immagine è stata scattata.

Per gestire le molte possibili combinazioni di identità, il sistema presume che i volti siano indipendenti e che l’aspetto di ciascuno dipenda solo dalla sua identità e dalla data della foto.

Per stimare quando una foto è stata scattata, il sistema prima stima l’età di ogni volto rilevato utilizzando il modello cvut-002 del NIST, che si basa su un’architettura ViT-B/16, e addestrato su un dataset privato (che, secondo gli autori, si classifica molto in alto nel database di valutazione della tecnologia di analisi facciale del NIST FATE).

Una volta nota l’anno di nascita della persona, il modello converte la stima dell’età in un anno di foto probabile semplicemente aggiungendo l’età all’anno di nascita, producendo una distribuzione di probabilità sugli anni di scatto possibili. Per valutare quanto bene un volto rilevato corrisponda a un’identità nota, il sistema confronta i suoi embedded nello spazio ArcFace:

ArcFace, l’architettura centrale che contribuisce al modello InsightFace ora molto popolare, è stata lanciata nel 2015, destinata a diventare un progetto influente nella valutazione e nell’analisi facciale. Fonte

Ogni identità è rappresentata da un embedded medio costruito dai suoi ritratti di riferimento. La somiglianza tra un volto di test e un’identità è quindi misurata utilizzando una distribuzione di Von Mises Fisher, che modella quanto strettamente i ritratti di un’identità si raggruppano attorno a quel embedded medio. Un parametro di nitidezza condiviso controlla quanto il sistema è sicuro di quei raggruppamenti e viene stimato utilizzando una strategia di lasciare uno fuori sui ritratti di identità.

Il modello definisce cinque tipi di priori per stimare quando una persona riconosciuta potrebbe apparire in una foto: uniforme; decennale; cinematografico; immagine; e un priori di combinazione convessa che combina le opzioni più forti e più deboli, per testare la sensibilità alla forza del priore (ad esempio, la resilienza dei priori sotto stress).

Per gestire i volti che non possono essere identificati con sicurezza, il modello include un’identità di fallback “sconosciuta” con distribuzioni non informative, che presentano una probabilità del volto piatta nello spazio dell’embedded e un priore temporale piatto su tutti gli anni. Ciò consente di ignorare i volti incerti senza distorcere la stima finale della data:

Come le prestazioni sono influenzate quando alcuni volti in un’immagine non possono essere identificati. Ogni quadrato mostra l’errore di datazione medio per diversi numeri di identità note e sconosciute, con la dimensione del quadrato che riflette quanto è comune quella combinazione nel dataset. L’errore aumenta con più sconosciuti, ma diminuisce costantemente all’aumentare del numero di identità note.

Dati e test

Gli autori hanno utilizzato il dataset CSFD sopracitato per creare una nuova raccolta che hanno intitolato CSFD-1.6M. Il dataset è stato costruito da scene che presentano più persone, con ogni volto etichettato con l’identità e l’anno. Questa struttura era necessaria per insegnare al modello come i volti si relazionano tra loro nel contesto; i dataset con un solo volto come IMDB-WIKI non supportano questo, poiché etichettano solo una persona per immagine.

Gli anni di uscita dei film dal Czecho-Slovak Movie Database sono stati utilizzati per stimare quando ogni foto è stata scattata, con ogni persona nell’immagine abbinata a un profilo pubblico che include l’anno di nascita e un ritratto.

In seguito, ogni volto nell’immagine è stato abbinato a una delle identità note, inizialmente utilizzando ArcFace per creare embedded dei volti e calcolando un embedded medio per ogni identità.

Dopo di ciò, l’algoritmo ungherese è stato utilizzato per assegnare i volti alle identità confrontando la somiglianza degli embedded, con aggiustamenti apportati quando il numero di volti rilevati tramite il framework SCRFD-10GE non corrispondeva al numero di individui noti.

Statistiche del dataset CSFD-1.6M, che dettagliano le immagini estratte, i volti rilevati, le corrispondenze di identità, i campioni annotati finali e la disponibilità di identità.

I match sono stati rifiutati se la somiglianza era troppo bassa o se la stima dell’età differiva troppo dall’età nota, con una maggiore tolleranza consentita per i soggetti più anziani, e i volti non sono stati filtrati per qualità o dimensione.

Gli autori notano la superiorità del loro set curato rispetto a quello del dataset più simile, IMDB-WIKI:

‘Il nostro dataset non è solo sostanzialmente più grande, ma, criticamente, consiste in scene multi-persona richieste dal nostro modello. Mentre nessun dataset web-scraped è libero da rumore nelle etichette, la nostra pipeline di annotazione sfrutta i collegamenti espliciti tra immagini e profili di identità forniti dal database, puntando a un’assegnazione di identità di alta qualità.’

La loro valutazione ha confrontato diverse versioni del sistema di datazione, per capire da dove provenivano i suoi guadagni. Un modello ha assunto una conoscenza perfetta di chi era nell’immagine, fornendo un limite superiore per le prestazioni rimuovendo ogni incertezza nel riconoscimento dell’identità, con la versione completa del modello che stima poi identità e date congiuntamente, ponderando diverse assegnazioni di identità possibili prima di arrivare a una stima finale dell’anno.

Una variante più semplice ha selezionato la singola configurazione di identità più probabile senza marginalizzare le alternative, che si è rivelata quasi altrettanto efficace nella pratica.

Al contrario, la linea di base più basilare ha assegnato ogni volto in modo indipendente e ha combinato le stime dell’anno basate sull’età che ne risultavano, senza considerare se le identità collettivamente avevano senso.

Per testare quanto il metodo trae vantaggio dall’utilizzo dei volti, un modello separato è stato addestrato per stimare la data direttamente dalla scena intera. Questo modello basato sulla scena costituisce l’approccio alternativo più forte attualmente utilizzato nella stima della data di un’immagine, poiché può apprendere pattern visivi specifici di un’epoca in tutta l’immagine, piuttosto che affidarsi all’identità o all’età.

Metriche e dati

L’errore assoluto medio (MAE) tra l’anno previsto e la verità di riferimento nota è stato il metrica centrale per gli esperimenti.

I dati sono stati divisi in cinque parti, con cura per assicurarsi che tutte le immagini dello stesso film fossero mantenute all’interno di una sola partizione. Tre di queste parti sono state utilizzate per l’addestramento, una per la convalida e una per il test. Questa rotazione a cinque parti è stata applicata per prevenire sovrapprendimento.

Poiché i modelli basati sui volti non sono stati addestrati su questo dataset, non è stato necessario alcun splitting, e invece sono stati valutati direttamente sull’intero set CSFD-1.6M.

Il modello Scene è stato addestrato per 200 epoche sotto l’ottimizzatore Adam, con le immagini ridimensionate a una crop di 384×384.

Risultati

La sezione dei risultati dell’articolo è divisa in modo insolito su una serie di indicatori di prestazione, senza un singolo test centrale. Tuttavia, presenteremo qui una selezione dei risultati più pertinenti.

Il risultato più importante non è un singolo numero, ma un modello: i modelli di aggregazione facciale (in particolare le varianti Full e Top-1) superano costantemente la linea di base Scene robusta quando due o più identità note sono presenti – anche se il modello Scene è addestrato direttamente sul dataset, supportando l’affermazione centrale che la datazione facciale collegata all’identità fornisce un segnale più robusto dell’interpretazione olistica della scena.

Per valutare l’effetto dei priori temporali, gli autori hanno confrontato diverse configurazioni del loro modello Full. Le prestazioni più forti sono state ottenute utilizzando il priori del decennio, che ha superato significativamente sia il modello Naive (che non utilizza alcun priore temporale) e il priori uniforme (che presume nessuna preferenza sugli anni):

Le prestazioni calano bruscamente per tutti i metodi all’aumentare del numero di volti, ma i modelli che utilizzano priori temporali realistici come il priori del decennio sono influenzati molto meno. Le linee di base Naive e Scene rimangono piatte o peggiorano con gruppi più grandi, mentre il modello Full guidato da priori informativi mantiene un errore basso. I priori basati sull’oracolo, che si affidano alle statistiche del set di test, definiscono il limite inferiore per le prestazioni raggiungibili.

Per dimostrare il valore di CSFD-1.6M al di là della datazione delle foto, il dataset è stato anche testato come risorsa di pre-addestramento per il compito più ampio della stima dell’età facciale. Seguendo un protocollo di valutazione standard, modelli ResNet101 sono stati pre-addestrati su CSFD-1.6M e confrontati con modelli pre-addestrati su IMDB-WIKI e ImageNet. Questi modelli sono stati poi ritinati e valutati su cinque benchmark popolari: AgeDB; AFAD, MORPH; UTKFace; e CLAP2016:

Errore assoluto medio (più/meno deviazione standard) su cinque benchmark di stima dell’età, confrontando modelli pre-addestrati su ImageNet, IMDB-WIKI e CSFD-1.6M. Valori più bassi indicano migliori prestazioni. CSFD-1.6M produce i risultati più forti su tutti i benchmark.

Attraverso tutti e cinque i dataset, il pre-addestramento su CSFD-1.6M ha portato ai tassi di errore più bassi, superando le altre due fonti di pre-addestramento con un margine significativo – un divario di prestazioni che si è rivelato più forte su AFAD e CLAP2016, ma è rimasto coerente in tutti i benchmark.

Ci riferiamo al lettore per il resto della sezione dei risultati, che tratta anche estensivamente degli studi di ablazione.

Conclusione

Sebbene il nuovo articolo diventi rapidamente denso e inaccessibile per il lettore casuale, l’argomento trattato è tra i più interessanti e rilevanti nella letteratura sulla visione artificiale – non da ultimo perché si sovrappone abilmente all’antropologia e agli studi culturali, dove le costanti sono difficili da definire.

* Proprio come l’evoluzione musicale ha anche ridotto il suo tasso di cambiamento.

Pubblicato per la prima volta lunedì, 10 novembre 2025