AIは写真の撮影年を人の年齢から推測できる

新しい研究によると、AIは人の顔から写真の撮影年を推測できることがわかった。顔認識システムと年齢推測システムを組み合わせて、既存のシーンベースの方法を上回る精度を実現した。

写真の撮影年を推測することは、以前は髪型や服装の流行が急速に変化していたため、比較的容易であった。しかし、約30年前にこの流行の変化が終了し、現在は髪型や服装から撮影年を推測することは容易ではない。

一時期は、写真や映画の撮影年を、フィルムの色解像度やグレインの特性から推測することも可能であった。ただし、専門家である必要はなく、古い映画を多く見れば、文化的なヒント（音楽、車、ファッション、話題など）が映画の撮影年と関連付けられる。

フィルムの改良が皮膚の色や照明スタイルの範囲を拡大した様子を示す図。 ソース (私の記事)

また、写真が白黒かカラーかで撮影年を推測することもできたが、デジタルカメラの普及により、この方法は使えなくなった。

商用および実験的なシステムの多くは、MyHeritageのPhotoDaterのように、さまざまな基準を使用して写真の撮影年を推測する。

MyHeritageのPhotoDaterサービスの写真年齢推測の例。 ソース

しかし、他の特徴的な兆候がない場合、写真の撮影年を推測する最も良い方法は、写真の人を知っている場合（たとえば、有名人または知人）であり、年齢を推測できることである。

顔の年齢を参考とする

コンピュータビジョン分野およびその他の分野（たとえば、法医学、資料処理、ジャーナリズム、データセットアーキテクチャなど）では、写真の撮影年を決定する能力は、多くのデジタルおよびアナログコレクションが適切な注釈やメタデータを欠いているか、または不正確なメタデータを持っているため、重要な目標である。

したがって、AIシステムが写真を人間と同じようにレビューし、過去のコレクションを振り返りながら「ああ、こんな時代だったね」とコメントできるようにすることは、役に立つことだろう。質問は、どのようなヒントを使用することができるかである。

チェコ共和国からの新しい研究論文は、このアプローチへの初期の手がかりを提供しており、AIベースの顔認識システムと年齢推測システムを組み合わせて、顔認識システムとリンクされた共通のデータベース（この場合は、チェコのパフォーマーと映画製作者を特集したIMDBスタイルのコレクション）を使用している。

1974年の映画「Joachim, Put It in the Machine」の静止画。モデルは写真の中の知られている個人の検出、年齢推測（右列）、および生年月日からの差を使用して、写真の撮影年を推測する。 ソース

システムは、写真の中の知られている個人の検出、顔の年齢推測、生年月日からの差を使用して、写真の撮影年を推測する。

複数の顔が存在する場合、撮影年推測は集約される。

この方法は、チェコ・スロバキア映画データベース（CSFD）からキュレーションされた画像でテストされ、結果は、同じデータで訓練されたシーンベースのモデルよりも一貫して高い精度を示した。

このスキーマでは、広範な個人の知識を含む中央データベースが必要であり、この場合はチェコ映画のIMDBスタイルのデータベースであるが、確認された生年月日と中央の日付確認イベントを特集する他のコレクションでも同様の結果が得られる。

論文では次のように述べられている。

‘私たちのデータセットは、単一の画像内に複数の個人が含まれることを可能にし、多面的な情報の集約を研究することを可能にします。私たちは、視覚的な証拠とキャリアベースの時間的先行性を正式に組み合わせる確率フレームワークを提案し、写真の撮影年を推測します。’

‘私たちの実験は、複数の顔からの証拠を集約することで一貫してパフォーマンスが向上し、このアプローチは特に複数の識別可能な個人が含まれる画像では、強力なシーンベースの基準を大幅に上回ることを示しています。’

新しい論文は、Photo Dating by Facial Age Aggregationというタイトルで、チェコ工科大学の2人の研究者によって発表され、コードとデータの後日公開が約束されている。

方法

撮影年を推測するために、著者らの新しいシステムは、各検出された顔と、データベース内の知られている個人の可能性のある一致を試みる。

次に、各個人の生年月日がわかっている場合、顔の年齢推測を使用して、最も可能性の高い撮影年を推測する。

左：システムは、各個人の活動時期のタイムラインを構築する。右：顔の年齢推測と組み合わせて、画像の撮影年を推測する。

システムは、各顔の独立性を仮定し、各顔の外観はその個人のアイデンティティと画像の撮影年によってのみ決定される。

撮影年を推測するために、システムは、NISTのcvut-002モデルを使用して各検出された顔の年齢を推測し、次にその個人の生年月日を加算して、画像の撮影年を推測する。

顔の年齢推測には、ViT-B/16アーキテクチャに基づくcvut-002モデルを使用し、プライベートデータセットで訓練されている。

個人のアイデンティティを評価するために、システムは、ArcFace空間における埋め込みの類似性を比較する。

ArcFaceは、2015年に発表されたInsightFaceモデルの中心的なアーキテクチャであり、顔の評価と評価の分野で影響力のあるプロジェクトとなった。 ソース

各個人の埋め込みは、平均埋め込みによって表され、テスト顔と個人の類似性は、Von Mises Fisher分布によって評価される。

システムは、5つの種類の先行分布を定義して、認識された個人が写真に出現する可能性のある年を推測する：一様、10年ごと、映画、画像、および凸結合先行分布である。

不確かな顔に対処するために、システムには、無情報な分布を特徴とする「不明」個人のアイデンティティが含まれており、顔の類似性は埋め込み空間全体にわたって平坦である。

オープンセット条件下でのフルモデル性能。各正方形のサイズはサンプル数を示し、低誤差構成がデータセット分布を支配していることを示す。

データとテスト

著者らは、CSFDデータセットを使用して、新しいコレクションであるCSFD-1.6Mを構築した。

映画の公開年は、写真の撮影年を推測するために使用された。

次に、画像内の各顔は、公開プロファイルに含まれる生年月日とポートレートを使用して、知られている個人のアイデンティティに一致する。

次に、Hungarianアルゴリズムを使用して、埋め込みの類似性を比較して、顔と個人のアイデンティティを割り当てた。

CSFD-1.6Mデータセットの統計。スクレイピングされた画像、検出された顔、アイデンティティのマッチ、最終的な注釈付きサンプル、および利用可能なアイデンティティプールを示す。

一致は、類似性が低い場合または推定年齢が大きく異なる場合に却下された。

著者らは、最も近い比較可能なデータセットであるIMDB-WIKIの優位性を強調する。

‘私たちのデータセットは、単に大きいだけでなく、モデルに必要な多人数シーンで構成されており、他のWebスクレイピングデータセットと比較して高い品質のアイデンティティ割り当てを提供する。’

評価では、複数のシステムバージョンを比較して、パフォーマンスの向上がどこから来ているかを理解するために、完全なモデルと簡略化されたモデルを使用した。

シンプルなバージョンは、最も可能性の高いアイデンティティ構成を選択し、代替を考慮せずに、ほぼ同等の有効性を示した。

一方、最も基本的な基準は、各顔を独立して割り当て、年齢ベースの撮影年推測を組み合わせたが、アイデンティティが集合的に意味をなすかどうかを考慮しなかった。

別のモデルは、シーン全体から撮影年を直接推測するために訓練されたが、これは、現在使用されている最も強力な代替アプローチである。

メトリックとデータ

実験の中心的なメトリックは、予測年と既知の基準事実の間の平均絶対誤差（MAE）であった。

データは5つのパートに分割され、すべての画像が同じ映画から来ていることを確認するために、3つのパートを訓練に、1つのパートを検証に、1つのパートをテストに使用した。

顔ベースのモデルは、このデータセットで訓練されていないため、分割は必要なく、代わりに、完全なCSFD-1.6Mセットで評価された。

シーンモデルは、Adamオプティマイザを使用して200エポックで訓練され、画像は384×384のクロップにリサイズされた。

結果

結果のセクションは、複数のパフォーマンス指標にわたって分割されており、単一の傑出しているテストや中心的なテストはない。しかし、ここでは最も関連性の高い結果を提示する。

最も重要な結果は、単一の数字ではなく、パターンである。顔認識モデル（特にフルとトップ1バリアント）は、2つ以上の知られているアイデンティティが存在する場合、シーンベースの基準を上回るパフォーマンスを示した。

時系列的先行分布の影響を評価するために、著者らは複数のフルモデル構成を比較した。最も強いパフォーマンスは、10年ごとの先行分布を使用して得られたが、ナイーブモデルと一様先行分布を上回った。

顔の数が増加するにつれて、すべての方法のパフォーマンスが低下するが、時系列的先行分布を使用するモデルは影響が少ない。シーンとナイーブの基準は平坦または低下するが、情報先行分布を使用するフルモデルは低い誤差を維持する。

CSFD-1.6Mデータセットを、より広い顔の年齢推測タスクのための事前訓練リソースとしてテストした結果、5つのベンチマークで最も低い誤差率を達成した。

5つの年齢推測ベンチマークでの平均絶対誤差（±標準偏差）。ImageNet、IMDB-WIKI、CSFD-1.6Mで事前訓練したモデルを比較する。低い値はより良いパフォーマンスを示す。CSFD-1.6Mはすべてのベンチマークで最も強い結果をもたらす。

5つのデータセットすべてで、CSFD-1.6Mで事前訓練したモデルは、他の2つの事前訓練ソースを明確に上回るパフォーマンスを示した。

結論

新しい論文は、コンピュータビジョン分野における最も関連性の高いトピックの1つに取り組んでおり、人類学や文化研究でも重要な意味を持つ。

* 音楽の進化も変化の速度を低下させたのと同様に。

2025年11月10日初版。