Strumento AI che rimuove il trucco per fermare i minori che bypassano i controlli di età

L’aspetto dei cosmetici facciali sta permettendo agli utenti minorenni, per lo più ragazze, di superare i controlli di età basati sulle selfie su piattaforme come app di incontri e siti di e-commerce. Uno strumento AI nuovo affronta questa lacuna, utilizzando un modello discriminatorio addestrato per cancellare il trucco mentre mantiene l’identità, rendendo più difficile per i minori ingannare i sistemi automatizzati.

L’uso di servizi di verifica dell’età basati su selfie di terze parti è in aumento, non solo a causa di un impulso globale generale verso la verifica dell’età online.

Ad esempio, nel nuovo regime di applicazione dell’Online Safety Act del Regno Unito, ora obbligatorio, la verifica dell’età può essere condotta da una varietà di servizi di terze parti utilizzando vari metodi possibili, inclusa la verifica dell’età visiva, dove l’AI viene utilizzata per prevedere visualmente l’età dell’utente (di solito da filmati di camera mobile live). I servizi che utilizzano approcci di questo tipo includono Ondato, TrustStamp e Yoti.

Tuttavia, la stima dell’età non è infallibile e la determinazione tradizionale dei teenager di anticipare i diritti dell’età adulta significa che i giovani hanno sviluppato una varietà di metodi efficaci per entrare in siti di incontri, forum e altri ambienti che vietano il loro gruppo di età.

Uno di questi metodi, utilizzato principalmente dalle femmine*, è l’uso di trucco facciale – una tattica nota per ingannare i sistemi di stima dell’età automatizzati, che di solito sovrastimano l’età dei giovani e sottostimano l’età degli adulti.

Non solo le ragazze

Prima che sorga una protesta considerando il trucco come “focalizzato sulle femmine”, dobbiamo notare che la presenza di cosmetici facciali su chiunque è un indicatore molto poco affidabile di genere:

Nel paper ‘Impact of Facial Cosmetics on Automatic Gender and Age Estimation Algorithms’ i ricercatori statunitensi hanno scoperto che i sistemi di verifica del genere sono stati ingannati dal trucco di scambio di genere. Fonte: https://cse.msu.edu/~rossarun/pubs/ChenCosmeticsGenderAge_VISAPP2014.pdf

Nel 2024, il 72% dei consumatori maschi statunitensi tra i 18 e i 24 anni sono stati stimati per incorporare il trucco nella loro routine di cura della pelle – sebbene la maggior parte utilizzi prodotti cosmetici per migliorare l’aspetto della pelle sana, piuttosto che indulgere in combinazioni di mascara/lucidalabbra più associate all’estetica visiva femminile.

Quindi non possiamo fare a meno di trattare il materiale studiato in questo articolo lungo le linee del scenario più comune esplorato nella nuova ricerca – quello di minori femmine che utilizzano il trucco per eludere i sistemi di verifica dell’età visiva automatizzati.

Rimozione efficace del trucco – Il modo AI

La ricerca menzionata sopra proviene da tre contributori alla New York University, sotto forma del nuovo paper DiffClean: Rimozione del trucco basata su diffusione per una stima dell’età precisa.

L’obiettivo del progetto è quello di raggiungere un metodo AI-guidato per rimuovere l’aspetto del trucco dalle immagini (potenzialmente incluse le immagini video), al fine di ottenere una migliore idea della vera età della persona dietro il trucco.

Dal nuovo paper, un esempio di come la rimozione del trucco possa notevolmente alterare una previsione di età. Fonte: https://arxiv.org/pdf/2507.13292

Una delle sfide nello sviluppo di un tale sistema è la potenziale sensibilità intorno alla raccolta o alla cura di immagini di minori con trucco. Alla fine, i ricercatori hanno utilizzato un sistema di terze parti basato su Reti Adversarie Generative chiamato EleGANt per imporre artificialmente stili di trucco, una tecnica che si è rivelata molto efficace:

Il sistema EleGANt dell’Università di Tsinghua del 2022 utilizza una Rete Adversaria Generativa (GAN) per sovrapporre autenticamente i cosmetici alle foto di origine. Fonte: https://arxiv.org/pdf/2207.09840

Con l’aiuto dei dati sintetici ottenuti in questo modo e con l’aiuto di una gamma diversificata di progetti e set di dati ausiliari, gli autori sono stati in grado di superare i metodi attuali nello stato dell’arte nella stima dell’età quando si confrontano con trucco “performante” o “evidente”.

Il paper afferma:

‘DiffClean [cancella] le tracce di trucco utilizzando un modello di diffusione guidato dal testo per difendersi dagli attacchi di trucco. [Esso] migliora la stima dell’età (accuratezza minore/maggiore di 4,8%) e la verifica dell’identità (TMR dell’8,9% a FMR=0,01%) rispetto ai metodi di confronto su immagini di trucco digitali e reali.’

Vediamo come sono arrivati a questo risultato.

Metodo

Per evitare di utilizzare immagini reali di minori con trucco, gli autori hanno utilizzato EleGANt per applicare trucco sintetico alle immagini tratte dal set di dati UTKFace, producendo coppie prima-dopo per l’addestramento.

Esempi dal set di dati UTKFace. Fonte: https://susanqq.github.io/UTKFace/

DiffClean è stato quindi addestrato per invertire questa trasformazione. Poiché gli algoritmi di stima dell’età si sbagliano di più quando si occupano di gruppi di età più giovani, i ricercatori hanno trovato necessario sviluppare un classificatore di età proxy fine-tuned sulle età bersaglio (10-19 anni). A questo scopo hanno utilizzato l’architettura SSRNet addestrata su UTKFace, con una perdita L1 ponderata L1.

Una versione semplificata del modello di diffusione OpenAI del 2021 fornito la struttura di base per la trasformazione, con gli autori che hanno mantenuto l’architettura di base, ma modificata con ulteriori teste di attenzione a diverse risoluzioni, strati più profondi e blocchi nello stile di BigGAN per migliorare le fasi di campionamento e downsampling.

Il controllo direzionale è stato introdotto utilizzando CLIP prompt: specificamente, viso con trucco e viso senza trucco,  affinché il modello imparasse a muoversi nella direzione semantica desiderata, permettendo di rimuovere il trucco senza compromettere i dettagli del viso, i segni dell’età o l’identità.

Trucco sintetico applicato utilizzando EleGANt. Ogni tripletta mostra l’immagine originale UTKFace (a sinistra), lo stile di trucco di riferimento (al centro) e il risultato dopo il trasferimento dello stile (a destra). Il trasferimento del trucco di questo tipo è comune nella letteratura di visione computerizzata e questa funzionalità è anche disponibile nei filtri neurali di Adobe Photoshop, che possono imporre il trucco da un’immagine di riferimento su un’immagine bersaglio.

Quattro funzioni di perdita chiave guidavano la rimozione del trucco senza influenzare l’identità o i segni dell’età. Oltre alla perdita basata su CLIP menzionata sopra, l’identità è stata preservata utilizzando una coppia ponderata di perdite ArcFace tratte dalla libreria InsightFace – perdite che misuravano la somiglianza tra il viso generato e sia l’immagine originale pulita che la versione “truccata”, assicurando che il soggetto rimanesse visualmente coerente prima e dopo la rimozione del trucco.

In terzo luogo, la perdita percettiva Learned Perceptual Similarity Metrics (LPIPS) utilizzava la distanza L1 per imporre la realismo a livello di pixel e mantenere l’aspetto generale dell’immagine originale dopo la rimozione del trucco.

Infine, l’età è stata supervisionata utilizzando un SSRNet fine-tuned sul set di dati UTKFace, con il modello che utilizzava una perdita L1 liscia (con penalità più pesanti per gli errori nel range di età 10-29, dove la classificazione errata è più comune). Una variante del modello sostituiva questo con un prompt di età basato su CLIP, che induceva il modello a corrispondere all’aspetto di una specifica età.

Per la stima dell’età al momento dell’inferenza (a differenza dell’uso di SSRNet al momento dell’addestramento), è stato utilizzato il framework MiVOLO del 2023.

Dati e test

Il fine-tuning di UTKFace di SSRNet ha utilizzato un set di addestramento di 15.364 immagini, contro un set di test di 6.701 immagini. Le 20.000 immagini originali sono state filtrate per rimuovere chiunque avesse più di 70 anni e poi divise 70:30.

In conformità con il metodo precedente stabilito dal progetto DiffAM del 2023, l’addestramento è poi proceduto in due fasi, con la prima sessione che utilizzava 300 immagini di trucco del mondo reale (questa volta una divisione 200/100 tra addestramento e convalida) dal set di dati MT di BeautyGAN.

Il modello è stato quindi raffinato ulteriormente utilizzando 300 immagini aggiuntive di UTKFace, aumentate con trucco sintetico tramite EleGANt. Ciò ha creato un set di addestramento finale di 600 esempi, abbinati attraverso cinque stili di riferimento da BeautyGAN. Poiché la rimozione del trucco comporta la mappatura di molti stili di trucco su un unico viso pulito, l’addestramento si è concentrato sulla generalizzazione piuttosto che coprire ogni possibile variazione cosmetica.

Le prestazioni sono state valutate su immagini sintetiche e del mondo reale. I test sintetici hanno utilizzato 2.556 immagini del set di dati Flickr-Faces-HQ (FFHQ), campionate uniformemente in nove gruppi di età al di sotto dei 70 e modificate con EleGANt.

La generalizzazione è stata valutata utilizzando 3.000 immagini da BeautyFace e 355 da LADN, entrambi contenenti trucco autentico.

Esempi dal set di dati BeautyFace, che esemplificano la segmentazione semantica che definisce varie aree della superficie del viso interessata. Fonte: https://li-chongyi.github.io/BeautyREC_files/

Metriche e implementazione

Per le metriche, gli autori hanno utilizzato Errore Assoluto Medio (MAE) tra il valore di età reale (immagini reali con età effettive stabilite) e i valori di età previsti, dove i risultati più bassi sono migliori; accuratezza del gruppo di età è stata utilizzata per valutare se le età previste sono finite nei gruppi corretti (in cui caso, i risultati più bassi sono migliori); l’accuratezza minore/maggiore è stata utilizzata per valutare l’identificazione corretta di persone di età superiore ai 18 (in cui caso, un risultato più alto è migliore).

Inoltre, sebbene non sia centrato sul tema specifico in questione, gli autori segnalano anche le metriche di verifica dell’identità sotto forma di Tasso di Abbinamento Vero (TMR) e Tasso di Abbinamento Falso (FMR), con ulteriore segnalazione dei valori correlati Receiver Operating Characteristic (ROC).

SSRNet è stato fine-tuned su immagini da 64×64px utilizzando una dimensione del batch di 50 sotto l’ottimizzatore Adam con un degrado del peso di 1e−4, nonché un programmatore di annealing coseno e un tasso di apprendimento di 1e−3 su 200 epoche, con arresto anticipato.

Al contrario, il modulo DiffClean ha ricevuto immagini di input da 256×256px e sono stati fine-tuned per cinque epoche utilizzando Adam, a un tasso di apprendimento più grosso di 4e−3. Il campionamento ha utilizzato 40 passaggi di inversione DDIM e 6 passaggi DDIM in avanti. Tutti gli addestramenti sono stati eseguiti su una sola GPU NVIDIA A100 (se con 40GB o 80GB di VRAM non è stato specificato).

I sistemi rivali testati sono stati CLIP2Protect e il precedente DiffAM. Gli autori hanno utilizzato stili di trucco “matte” nel flusso di lavoro, poiché è stato notato in CLIP2Protect come raggiungimento di un tasso di successo più alto (presumibilmente consentendo un’opportunità di sfruttamento per coloro che cercano di sconfiggere questo approccio – ma questo è un argomento per un’altra volta).

Per replicare DiffAM come baseline, il modello pre-addestrato da BeautyGAN è stato fine-tuned sul set di dati MT. Per il trasferimento di trucco avversario, il checkpoint da DiffAM è stato utilizzato con parametri predefiniti per il modello bersaglio, l’immagine di riferimento e l’identità.

Prestazioni di DiffClean rispetto ai metodi di confronto sui compiti di stima dell’età, utilizzando MiVOLO. Le metriche segnalate sono l’accuratezza di classificazione minore/maggiore, l’accuratezza del gruppo di età e l’errore assoluto medio (MAE). DiffClean con perdita di età CLIP raggiunge i migliori risultati in tutte le metriche.

Di questi risultati, gli autori affermano:

‘Il nostro metodo DIFFCLEAN supera entrambi i metodi di confronto, CLIP2Protect e DiffAM, e può restaurare con successo i segni dell’età disturbati a causa del trucco riducendo l’errore assoluto medio (a 5,71) e migliorando l’accuratezza generale del gruppo di età (al 37%). ‘

‘Il nostro obiettivo si è concentrato sui gruppi di età minori e i risultati indicano che raggiungiamo una classificazione minore/maggiore di 88,6%.’

Risultati della rimozione del trucco dai metodi di base e proposti. La colonna più a sinistra mostra le immagini di origine, la successiva mostra le uscite da CLIP2Protect e DiffAM. La terza colonna mostra i risultati da DiffClean via SSRNet e perdita di età basata su CLIP. Gli autori sostengono che DiffClean rimuove il trucco più efficacemente, evitando la distorsione delle caratteristiche osservata in CLIP2Protect e i cosmetici residui mancanti in DiffAM.

Gli autori notano inoltre che il trucco non ha un effetto uniforme sull’età percepita, ma può aumentare, diminuire o lasciare invariata l’età apparente di un viso. Quindi DiffClean non applica una “riduzione generale” della previsione dell’età, ma cerca invece di recuperare i segni dell’età originali rimuovendo le tracce di trucco:

Esempi di rimozione del trucco dai set di dati CelebA-HQ e CACD. Ogni colonna mostra una coppia di immagini prima (a sinistra) e dopo (a destra) la rimozione del trucco. Nella prima colonna, l’età prevista diminuisce dopo la rimozione del trucco; nella seconda, rimane invariata; e nella terza, aumenta.

Per testare quanto bene DiffClean si eseguisse su dati nuovi, è stato eseguito sui set di dati BeautyFace e LADN, che contengono trucco autentico, ma non immagini accoppiate degli stessi soggetti senza trucco. Le previsioni di età fatte prima e dopo la rimozione del trucco sono state confrontate per valutare quanto efficacemente DiffClean riducesse la distorsione introdotta dal trucco:

Risultati della rimozione del trucco su immagini del mondo reale dai set di dati LADN (a sinistra) e BeautyFace (a destra). DiffClean riduce l’età prevista rimuovendo i cosmetici, riducendo il divario tra età apparente e reale. I numeri bianchi mostrano le età stimate prima e dopo l’elaborazione.

I risultati hanno mostrato che DiffClean riduce costantemente il divario tra età apparente e reale. Su entrambi i set di dati, ha ridotto gli errori di sovrastima e sottostima di circa tre anni in media, suggerendo che il sistema si generalizza bene agli stili di trucco del mondo reale.

Conclusione

È interessante, e forse inevitabile, che il trucco cosmetico “performante” sia utilizzato in modo avversario. Dato che le ragazze maturano a ritmi diversi, ma maturano costantemente più velocemente come gruppo, il compito di identificare il punto di non ritorno tra lo stato di minore e quello di adulto femminile può essere uno dei più ambiziosi che la scena della ricerca si sia mai posta.

Tuttavia, il tempo e i dati potrebbero eventualmente determinare segni di età coerenti che possono essere utilizzati per ancorare i sistemi di verifica dell’età visiva.

* Dal momento che questo soggetto invita un linguaggio carico, e dal momento che ‘ragazze’ è esclusivo (mentre ‘donne e ragazze’, il termine attualmente accettabile per le persone di genere femminile, non è una descrizione accurata in questo caso), ho optato per ‘femmine’ come il miglior compromesso che potevo escogitare – sebbene non catturi tutte le sottigliezze demografiche, per le quali mi scuso.

^† In questo articolo utilizzo ‘performante’ per indicare il trucco che è destinato a essere visto e riconosciuto come trucco, come ad esempio mascara, eyeliner, blusher e fondotinta, in contrasto con le creme coprenti e altri tipi di applicazioni cosmetiche ‘surrettizie’.

Pubblicato per la prima volta venerdì 18 luglio 2025