A IA Pode Adivinhar o Ano de uma Foto com Base na Idade das Pessoas

Pesquisas recentes mostram que a IA pode usar os rostos das pessoas para estimar o ano em que uma foto foi tirada, combinando palpites de idade com anos de nascimento conhecidos para superar os métodos baseados em cenas atuais.

Adivinhar a data de uma foto costumava ser muito mais fácil do que é agora, porque os estilos de cabelo e roupas evoluíam a uma velocidade vertiginosa. Por razões muito debatidas, essa mudança de estilo visual terminou há cerca de trinta anos, o que significa que não é mais tão fácil olhar para um penteado ou itens de roupa e adivinhar o ano com base nesse tipo de pista visual.

Por algum tempo, também foi possível datar imagens e filmes com base na resolução de cor e características de grão do filme. Não era necessário ser um especialista forense; se você assistisse a muitos filmes antigos, as pistas culturais (como música, carros, moda, tópicos, etc.) eventualmente se tornariam associadas, pelo espectador, com estilos de filme:

Uma ilustração de como as melhorias no filme gradualmente expandiram a gama de tons de pele e estilos de iluminação ao longo do tempo, passando de configurações frontais planas para looks mais naturalistas e variados. Fonte (meu próprio artigo)

Um outro ‘âncora’ para datar uma fotografia era se ela estava em preto e branco – uma economia que se tornou redundante após a popularização da fotografia digital no início deste século

Um número de sistemas comerciais e experimentais, como o PhotoDater da MyHeritage, que vem com uma assinatura, tentam datar fotos usando esses e outros critérios diversos.

Um exemplo de estimativa de idade de foto do serviço de assinatura PhotoDater da MyHeritage. Fonte

Ausentes outras pistas óbvias, como smartphones ou outras tecnologias específicas de uma era, a melhor maneira de adivinhar a idade de uma foto tirada nos últimos 15-25 anos é se você estiver familiarizado com a pessoa (ou seja, um celebridade ou talvez um conhecido) e puder estimar sua idade, o que fornece um equivalente aproximado de ano.

Idade Facial como Referência

No campo da visão computacional, e em diversos outros campos (ou seja, forenses, processamento de arquivos, jornalismo, arquitetura de conjunto de dados, etc.), a capacidade de determinar a idade de uma foto é um objetivo valorizado, pois muitas das coleções digitais e analógicas mais interessantes carecem de anotação e metadados adequados, ou até mesmo têm metadados incorretos devido a palpites anteriores (errados).

Portanto, seria útil se um sistema de IA pudesse revisar fotos da mesma maneira que fazemos ao olhar para nossas coleções históricas e comentar ‘Ah, sim, foi quando…’. A questão é, o que poderia ser o gancho, ausentes as pistas visuais usuais?

Um novo artigo de pesquisa da República Tcheca está oferecendo uma primeira base para essa abordagem, explorando sistemas de reconhecimento de idade baseados em IA, em conjunto com sistemas de reconhecimento facial vinculados a um banco de dados comum de identidades (neste caso, uma coleção de estilo IMDB com artistas e cineastas tchecos):

Um still de ‘Joachim, Put It in the Machine’ (1974), usado para ilustrar o processo de datação. O modelo detecta indivíduos conhecidos na foto, estima sua idade usando um estimador de idade facial (coluna da direita), e subtrai esse valor do ano de nascimento de cada pessoa para gerar uma distribuição de probabilidade sobre datas de foto possíveis. Os gráficos mostram a probabilidade de cada estimativa de idade, com linhas tracejadas marcando a idade real da pessoa no momento da foto. Fonte

O sistema funciona detectando indivíduos conhecidos em uma foto, estimando sua idade facial usando um modelo pré-treinado, e subtraindo essa estimativa do ano de nascimento documentado para gerar datas prováveis para a foto. Quando múltiplos rostos estão presentes, as estimativas de data são agregadas para produzir uma previsão final.

O método foi testado em imagens coletadas do Banco de Dados de Filmes Tcheco-Eslovaco (CSFD), com a abordagem resultante, que os autores afirmam, oferecendo consistente precisão maior do que os modelos baseados em cenas (modelos estáticos que confiam em elementos de fundo ou contexto visual, em vez de rostos) treinados nos mesmos dados.

O esquema para esse método exige um banco de dados central que contenha conhecimento de um amplo grupo de indivíduos; nesse caso, o banco de dados de filmes tcheco de estilo IMDB; mas qualquer coleção semelhante que apresente datas de nascimento confirmadas e eventos com data confirmada poderia produzir um resultado semelhante.

O artigo afirma:

‘Unicamente, nosso conjunto de dados fornece anotações para múltiplos indivíduos dentro de uma única imagem, permitindo o estudo da agregação de informações de múltiplos rostos. Propomos um quadro probabilístico que combina formalmente evidências visuais de modelos de reconhecimento facial e estimativa de idade modernos, e priors temporais baseados em carreira para inferir o ano de captura da foto.

‘Nossos experimentos demonstram que a agregação de evidências de múltiplos rostos melhora consistentemente o desempenho e a abordagem supera significativamente as linhas de base baseadas em cenas, particularmente para imagens que contêm vários indivíduos identificáveis.’

O novo artigo é intitulado Datação de Fotos por Agregação de Idade Facial e vem de dois pesquisadores da Universidade Técnica Tcheca em Praga, com a promessa de um lançamento posterior de código e dados.

Método

Para estimar quando uma foto foi tirada, o novo sistema do autor olha para cada rosto detectado e tenta adivinhar quem pode ser, usando o banco de dados mencionado de pessoas conhecidas. Como uma pessoa só pode aparecer uma vez em uma foto, o sistema verifica todas as combinações possíveis de identidades e usa seus anos de nascimento conhecidos para adivinhar quantos anos cada pessoa parece ter.

Depois disso, ele trabalha de trás para frente para estimar o ano mais provável que faria essas idades se alinharem:

Esquerda: o sistema constrói uma linha do tempo mostrando quando os indivíduos reconhecidos estavam mais ativos, com base em suas carreiras conhecidas. Direita: isso é combinado com estimativas de idade facial para produzir uma suposição final para quando a imagem foi tirada.

Para gerenciar as muitas combinações possíveis de identidades, o sistema assume que os rostos são independentes, e que a aparência de cada um depende apenas de sua identidade e da data da foto.

Para estimar quando uma foto foi tirada, o sistema primeiro adivinha a idade de cada rosto detectado usando o modelo cvut-002 do NIST, que é baseado em uma arquitetura ViT-B/16, e treinado em um conjunto de dados privado (que, os autores afirmam, é classificado altamente no banco de dados de Avaliação de Tecnologia de Análise Facial do NIST (FATE)).

Uma vez que o ano de nascimento da pessoa é conhecido, o modelo converte a estimativa de idade em um ano de foto provável, adicionando a idade ao ano de nascimento, resultando em uma distribuição de probabilidade sobre anos de captura possíveis. Para avaliar como bem um rosto detectado se ajusta a uma identidade conhecida, o sistema compara suas incrustações no espaço ArcFace:

ArcFace, a arquitetura contribuinte central para o modelo InsightFace agora popular, foi lançada em 2015, destinada a se tornar um projeto influente em avaliação e avaliação facial. Fonte

Cada identidade é representada por uma incrustação média construída a partir de seus retratos de referência. A semelhança entre um rosto de teste e uma identidade é então medida usando uma Distribuição de Von Mises Fisher, que modela como estreitamente as incrustações do retrato da identidade se agrupam em torno dessa média. Um parâmetro de nitidez compartilhado controla quão confiante o sistema está nesses clusters, e é estimado usando uma estratégia de deixar um fora nos retratos da identidade.

O modelo define cinco tipos de priores para estimar quando uma pessoa reconhecida pode aparecer em uma foto: uniforme; década; filme; imagem; e um prior de combinação convexa que mistura as opções mais fortes e mais fracas, para testar a sensibilidade à força do prior (ou seja, a resistência dos priores ao estresse).

Para lidar com rostos que não podem ser identificados com confiança, o modelo inclui uma identidade de ‘desconhecido’ com distribuições não informativas, apresentando uma probabilidade de rosto que é plana no espaço de incrustação, e um prior temporal plano em todos os anos. Isso permite que rostos incertos sejam ignorados sem viés na estimativa final de data:

Como o desempenho é afetado quando alguns rostos em uma imagem não podem ser identificados. Cada quadrado mostra o erro médio de datação para diferentes números de identidades conhecidas e desconhecidas, com o tamanho do quadrado refletindo quão comum é essa combinação no conjunto de dados. O erro aumenta com mais desconhecidos, mas cai consistentemente à medida que mais identidades conhecidas são adicionadas.

Dados e Testes

Os autores usaram o conjunto de dados CSFD mencionado para fornecer dados para uma nova coleção que eles intitularam CSFD-1.6M. O conjunto de dados foi construído a partir de cenas que apresentam várias pessoas, com cada rosto rotulado por identidade e ano. Essa estrutura foi necessária para ensinar o modelo como os rostos se relacionam entre si no contexto; conjuntos de dados de um único rosto, como IMDB-WIKI, não suportam isso, pois rotulam apenas uma pessoa por imagem.

Anos de lançamento de filmes do Banco de Dados de Filmes Tcheco-Eslovaco foram usados para estimar quando cada foto foi tirada, com cada pessoa na imagem correspondendo a um perfil público que apresenta seu ano de nascimento e um retrato.

Em seguida, cada rosto na imagem foi correspondido a uma das identidades conhecidas, inicialmente usando ArcFace para criar incrustações de rosto, e computando uma incrustação média para cada identidade.

Depois disso, o algoritmo húngaro foi usado para atribuir rostos a identidades comparando a semelhança da incrustação, com ajustes feitos quando o número de rostos detectados via o framework SCRFD-10GE não correspondia ao número de indivíduos conhecidos.

Estatísticas do conjunto de dados CSFD-1.6M, detalhando imagens raspadas, rostos detectados, correspondências de identidade, amostras anotadas finais e o pool de identidade disponível.

Correspondências foram rejeitadas se a semelhança fosse muito baixa ou se a idade estimada diferisse muito do ano de nascimento conhecido, com maior tolerância permitida para sujeitos mais velhos, e os rostos não foram filtrados por qualidade ou tamanho.

Os autores notam a superioridade de seu conjunto de dados em relação ao conjunto de dados mais próximo, IMDB-WIKI:

‘Nosso conjunto de dados não é apenas substancialmente maior, mas, criticamente, consiste em cenas de múltiplos indivíduos necessárias para nosso modelo. Embora nenhum conjunto de dados raspado da web esteja livre de ruído de rótulo, nosso pipeline de anotação aproveita os links explícitos entre imagens e perfis de identidade fornecidos pelo banco de dados, visando atribuições de identidade de maior qualidade.’

Sua avaliação comparou várias versões do sistema de datação, para entender de onde vinham os ganhos. Um modelo supôs conhecimento perfeito de quem estava na imagem, fornecendo um limite superior para o desempenho, removendo qualquer incerteza no reconhecimento de identidade, com o modelo completo estimando identidades e datas conjuntamente, pesando diferentes atribuições de identidade possíveis antes de chegar a uma estimativa final de ano.

Uma variante mais simples selecionou a configuração de identidade mais provável sem marginalizar alternativas, o que provou ser quase tão eficaz na prática.

Em contraste, a linha de base mais básica atribuiu cada rosto independentemente e combinou as estimativas de ano baseadas na idade resultantes, sem considerar se as identidades coletivas faziam sentido.

Para testar quanto o método se beneficiava do uso de rostos, um modelo separado foi treinado para estimar a data diretamente a partir da cena inteira. Esse modelo baseado em cena constitui a abordagem alternativa mais forte atualmente usada na estimativa de data de imagem, pois pode aprender padrões visuais específicos de era em toda a imagem, em vez de confiar na identidade ou idade.

Métricas e Dados

O Erro Médio Absoluto (MAE) entre o ano previsto e a verdade real conhecida foi a métrica central para os experimentos.

Os dados foram divididos em cinco partes, com cuidado para garantir que todas as imagens do mesmo filme fossem mantidas dentro de uma única partição. Três dessas partes foram usadas para treinamento, uma para validação e uma para teste. Essa rotação de cinco vezes foi aplicada para evitar sobreajuste.

Como os modelos baseados em rosto não foram treinados nesse conjunto de dados, nenhuma divisão foi necessária, e em vez disso, eles foram avaliados diretamente no conjunto de dados completo CSFD-1.6M.

O modelo Cena foi treinado por 200 épocas sob o otimizador Adam, com imagens redimensionadas para uma corte de 384×384.

Resultados

A seção de resultados do artigo é dividida de forma incomum em uma variedade de indicadores de desempenho, sem um único teste central. No entanto, apresentaremos uma seleção dos resultados mais pertinentes aqui.

O resultado mais importante não é um único número, mas um padrão: modelos de agregação facial (especialmente as variantes Completo e Top-1) consistentemente superam a linha de base Cena forte sempre que duas ou mais identidades conhecidas estão presentes – mesmo que o modelo Cena seja treinado diretamente no conjunto de dados, apoiando a afirmação central de que a datação facial vinculada à identidade fornece um sinal mais robusto do que a interpretação holística da cena.

Para avaliar o efeito dos priores temporais, os autores compararam várias configurações de seu modelo Completo. O desempenho mais forte foi obtido usando o Prior Década, que superou significativamente tanto o modelo Ingênuo (que usa nenhum prior temporal) quanto o Prior Uniforme (que assume nenhuma preferência sobre os anos):

O desempenho cai acentuadamente para todos os métodos à medida que o número de rostos aumenta, mas os modelos que usam priores temporais realistas, como o Prior Década, são afetados muito menos. As linhas de base Ingênuo e Cena permanecem planas ou degradam com grupos maiores, enquanto o modelo Completo guiado por priores informativos mantém um erro baixo. Os priores baseados em oráculo, que dependem de estatísticas do conjunto de teste, definem o limite inferior no desempenho alcançável.

Para demonstrar o valor do CSFD-1.6M além da datação de fotos, o conjunto de dados também foi testado como um recurso de pré-treinamento para a tarefa mais ampla de estimativa de idade facial. Seguindo um protocolo de avaliação padrão, modelos ResNet101 foram pré-treinados no CSFD-1.6M e comparados a contrapartes pré-treinadas no IMDB-WIKI e no ImageNet. Esses modelos foram então ajustados finamente e avaliados em cinco benchmarks populares: AgeDB; AFAD, MORPH; UTKFace; e CLAP2016:

Erro médio absoluto (mais ou menos desvio padrão) em cinco benchmarks de estimativa de idade, comparando modelos pré-treinados no ImageNet, IMDB-WIKI e CSFD-1.6M. Valores mais baixos indicam melhor desempenho. O CSFD-1.6M produz os resultados mais fortes em todos os benchmarks.

Em todos os cinco conjuntos de dados, o pré-treinamento no CSFD-1.6M levou às menores taxas de erro, superando as outras duas fontes de pré-treinamento por uma margem clara – uma lacuna de desempenho que provou ser mais forte no AFAD e no CLAP2016, mas permaneceu consistente em todos os benchmarks.

Referimos o leitor ao restante da seção de resultados um pouco fragmentada no artigo de origem, que também lida extensivamente com estudos de ablação.

Conclusão

Embora o novo artigo se torne rapidamente denso e inacessível para o leitor casual, o tópico abordado é um dos mais interessantes e relevantes na literatura de visão computacional – não menos porque cruza habilmente para a antropologia e estudos culturais, onde as constantes são difíceis de determinar.

* Assim como a evolução musical também desacelerou sua taxa de mudança.

Publicado pela primeira vez na segunda-feira, 10 de novembro de 2025