เครื่องมือ AI ลบเครื่องสำอางเพื่อหยุดยั้งผู้เยาว์หลบเลี่ยงการตรวจสอบอายุ

การใช้เมคอัพบนใบหน้ากำลังทำให้ผู้ใช้ที่อายุต่ำกว่าเกณฑ์, ส่วนใหญ่เป็นเด็กหญิง, หลบการตรวจอายุแบบอิงเซลฟี่บนแพลตฟอร์มต่าง ๆ เช่น แอปหาคู่และเว็บไซต์อีคอมเมิร์ซ เครื่องมือ AI ใหม่แก้ช่องโหว่นี้โดยใช้โมเดลแยกประเภทที่ฝึกให้ลบเมคอัพพร้อมคงอัตลักษณ์ไว้ ทำให้เยาวชนยากต่อการหลอกระบบอัตโนมัติ

การใช้บริการตรวจสอบอายุแบบอิงเซลฟี่จากบุคคลที่สามกำลังเพิ่มขึ้น, ไม่เพียงเพราะ แรงผลักดันระดับโลกทั่วไป ไปสู่การตรวจสอบอายุออนไลน์.

ตัวอย่างเช่น ในระบอบการบังคับใช้ใหม่ที่กฎหมาย Online Safety Act ของสหราชอาณาจักร กำหนดให้ ทำการตรวจสอบอายุโดยบริการจากบุคคลที่สามหลายประเภท บริการ ที่ใช้วิธีการต่าง ๆ รวมถึง การตรวจสอบอายุด้วยภาพ ซึ่ง AI ถูกใช้เพื่อทำนายอายุของผู้ใช้โดยดูภาพจากกล้องมือถือแบบสด บริการที่ใช้แนวทางนี้ได้แก่ Ondato, TrustStamp และ Yoti.

อย่างไรก็ตาม การประเมินอายุไม่สมบูรณ์แบบ, และการกำหนดแบบดั้งเดิมของวัยรุ่นเพื่อคาดการณ์สิทธิ์ของผู้ใหญ่ทำให้คนหนุ่มสาวพัฒนาขึ้น วิธีการที่มีประสิทธิภาพหลากหลาย เพื่อเข้าสู่เว็บไซต์หาคู่, ฟอรั่ม, และสภาพแวดล้อมอื่น ๆ ที่ห้ามกลุ่มอายุของพวกเขา.

หนึ่งในวิธีเหล่านี้, ที่ผู้หญิงใช้บ่อยที่สุด*, คือการใส่เมคอัพบนใบหน้า – กลยุทธ์ที่ เป็นที่รู้กันว่าหลอก ระบบประเมินอายุอัตโนมัติ, ซึ่งโดยทั่วไปจะประเมินอายุของคนหนุ่มสาวสูงเกินจริงและ ประเมินอายุของคนแก่ต่ำเกินจริง.

ไม่ใช่แค่เด็กหญิงเท่านั้น

ก่อนที่การประท้วงจะเกิดขึ้นจากการมองว่าเมคอัพเป็น ‘มุ่งเน้นผู้หญิง’, เราต้องระบุว่าการมีเมคอัพบนใบหน้าของ ใครก็ได้ เป็น สัญญาณที่ไม่น่าเชื่อถืออย่างมาก เกี่ยวกับเพศ:

ในบทความ ‘Impact of Facial Cosmetics on Automatic Gender and Age Estimation Algorithms’ นักวิจัยสหรัฐพบว่าระบบตรวจสอบเพศถูกทำให้สับสนโดยเมคอัพที่เปลี่ยนเพศ Source: https://cse.msu.edu/~rossarun/pubs/ChenCosmeticsGenderAge_VISAPP2014.pdf

ในปี 2024, 72% ของผู้บริโภคชายในสหรัฐอายุ 18-24 ปี ถูก ประเมิน ว่าใช้เมคอัพในกิจวัตรการดูแลตัวเอง – แม้ว่าส่วนใหญ่ใช้ผลิตภัณฑ์เพื่อเสริมลักษณะผิวที่ดูสุขภาพดี มากกว่าที่จะหลงใหลในรูปแบบเมสคาร่า/ลิปสติกแบบแสดงออก ^† ที่ เกี่ยวข้องมากกว่า กับความงามของผู้หญิง.

ดังนั้นเราจึงไม่สามารถหลีกเลี่ยงการพิจารณาวัสดุที่ศึกษาในบทความนี้ตามสถานการณ์ที่พบบ่อยที่สุดในงานวิจัยใหม่ – คือเด็กหญิงอายุน้อยที่ใช้เมคอัพเพื่อหลบหลีกระบบตรวจสอบอายุด้วยภาพอัตโนมัติ.

การลบเมคอัพอย่างมีประสิทธิภาพ – วิธี AI

งานวิจัยที่กล่าวถึงข้างต้นมาจากผู้ร่วมเขียนสามคนที่มหาวิทยาลัยนิวยอร์ก, ในรูปของ บทความใหม่ DiffClean: การลบเมคอัพด้วยการกระจายเพื่อการประเมินอายุที่แม่นยำ.

เป้าหมายของโครงการคือการพัฒนาวิธีการที่ขับเคลื่อนด้วย AI เพื่อขจัดลักษณะของเมคอัพจากภาพ (อาจรวมถึงภาพวิดีโอ) เพื่อให้ได้ความเข้าใจที่ชัดเจนยิ่งขึ้นเกี่ยวกับอายุที่แท้จริงของบุคคลที่อยู่ภายใต้เมคอัพ.

จากบทความใหม่, ตัวอย่างของการลบเมคอัพที่สามารถเปลี่ยนแปลงการคาดการณ์อายุอย่างชัดเจน Source: https://arxiv.org/pdf/2507.13292

หนึ่งในความท้าทายของการพัฒนาระบบดังกล่าวคือความอ่อนไหวต่อการเก็บรวบรวมหรือคัดสรรภาพของเด็กผู้หญิงอายุน้อยที่สวมเมคอัพแบบผู้ใหญ่ ในที่สุดนักวิจัยใช้ระบบจากบุคคลที่สามที่อิงเครือข่าย GAN ชื่อ EleGANt เพื่อสร้างสไตล์เมคอัพเทียม, เทคนิคนี้พิสูจน์ว่ามีประสิทธิภาพสูง:

ระบบ EleGANt ของมหาวิทยาลัยชิงหัวในปี 2022 ใช้เครือข่าย GAN เพื่อซ้อนเมคอัพอย่างแท้จริงบนภาพต้นฉบับ Source: https://arxiv.org/pdf/2207.09840

ด้วยข้อมูลสังเคราะห์ที่ได้จากวิธีนี้, และด้วยความช่วยเหลือของโครงการและชุดข้อมูลเสริมที่หลากหลาย, ผู้เขียนสามารถเกินกว่าวิธีการระดับ state-of-the-art ในการประเมินอายุเมื่อเผชิญกับเมคอัพแบบแสดงออกหรือ ‘ชัดเจน’.

บทความระบุว่า:

‘DiffClean [erases] ร่องรอยเมคอัพโดยใช้โมเดลการกระจายที่นำโดยข้อความเพื่อป้องกันการโจมตีด้วยเมคอัพ. [It] ปรับปรุงการประเมินอายุ (ความแม่นยำเด็กอายุน้อยเทียบผู้ใหญ่เพิ่ม 4.8%) และการตรวจสอบใบหน้า (TMR เพิ่ม 8.9% ที่ FMR=0.01%) เมื่อเทียบกับฐานข้อมูลเปรียบเทียบบนภาพเมคอัพที่จำลองดิจิทัลและภาพเมคอัพจริง.’

มาดูกันว่าพวกเขาได้ดำเนินการอย่างไร

วิธีการ

เพื่อหลีกเลี่ยงการใช้รูปภาพของเด็กที่ใส่เมคอัพจริง ผู้เขียนใช้ EleGANt เพื่อใส่เมคอัพสังเคราะห์ลงบนรูปภาพที่มาจากชุดข้อมูล UTKFace ทำให้ได้คู่ภาพก่อนและหลังสำหรับการฝึกโมเดล

ตัวอย่างจากชุดข้อมูล UTKFace Source: https://susanqq.github.io/UTKFace/

DiffClean ถูกฝึกต่อเพื่อย้อนกลับการแปลงนี้ เนื่องจากอัลกอริธึมการประเมินอายุทำผิดพลาดมากที่สุดกับกลุ่มอายุที่อ่อนเยาว์ นักวิจัยจึงจำเป็นต้องพัฒนาตัวจำแนกอายุแบบพร็อกซีที่ fine-tuned สำหรับอายุเป้าหมาย (10‑19 ปี) เพื่อวัตถุประสงค์นี้ พวกเขาใช้สถาปัตยกรรม SSRNet ที่ฝึกบน UTKFace พร้อมกับ L1 loss ที่มีน้ำหนัก

รุ่นที่ตัดทอนของ diffusion model ของ OpenAI ปี 2021 ให้เป็นโครงสร้างหลักสำหรับการแปลงนี้ โดยผู้เขียนยังคงสถาปัตยกรรมหลักไว้ แต่ปรับเพิ่ม attention heads ที่ความละเอียดหลากหลาย ชั้นที่ลึกขึ้น และบล็อกสไตล์ BigGAN เพื่อปรับปรุงขั้นตอนอัปแซมป์ลิงและดาวน์แซมป์ลิง

การควบคุมเชิงทิศทางถูกนำมาใช้ด้วยพรอมต์จาก CLIP โดยเฉพาะ face with makeup และ face without makeup เพื่อให้โมเดลเรียนรู้การเคลื่อนที่ในทิศทางเชิงความหมายที่ต้องการ ทำให้สามารถลบเมคอัพโดยไม่กระทบรายละเอียดใบหน้า สัญญาณอายุ หรืออัตลักษณ์

เมคอัพสังเคราะห์ที่สร้างด้วย EleGANt. แต่ละชุดแสดงภาพ UTKFace ดั้งเดิม (ซ้าย), สไตล์เมคอัพอ้างอิง (กลาง), และผลลัพธ์หลังการโอนสไตล์ (ขวา). การโอนเมคอัพแบบนี้พบมากในวรรณกรรมคอมพิวเตอร์วิชัน, และฟีเจอร์นี้ยังมีในฟิลเตอร์ประสาทของ Adobe Photoshop ซึ่งสามารถใส่เมคอัพจากภาพอ้างอิงลงบนภาพเป้าหมายได้เช่นกัน.

สี่ฟังก์ชัน loss functions หลักช่วยนำทางการลบเมคอัพโดยไม่กระทบอัตลักษณ์ใบหน้าหรือสัญญาณอายุ นอกจาก loss ที่อิงจาก CLIP ที่กล่าวถึงข้างต้นแล้ว การรักษาอัตลักษณ์ยังทำด้วยคู่ของ loss ArcFace ที่มีน้ำหนักซึ่งดึงมาจากไลบรารี InsightFace – loss เหล่านี้วัดความคล้ายคลึงระหว่างใบหน้าที่สร้างขึ้นกับภาพต้นฉบับที่สะอาดและเวอร์ชันที่ใส่เมคอัพ เพื่อให้หัวข้อคงความสอดคล้องก่อนและหลังการลบเมคอัพ

ต่อมา loss เชิงรับรู้ Learned Perceptual Similarity Metrics (LPIPS) ใช้ระยะทาง L1 เพื่อบังคับให้ภาพมีความสมจริงระดับพิกเซลและรักษาลุคโดยรวมของภาพต้นฉบับหลังจากลบเมคอัพ

สุดท้าย อายุถูกกำกับด้วย SSRNet ที่ปรับจูนบนชุดข้อมูล UTKFace โดยโมเดลใช้ loss L1 ที่ทำให้เรียบ (smoothed) (โดยให้โทษหนักขึ้นกับข้อผิดพลาดในช่วงอายุ 10‑29 ปี ซึ่งเป็นช่วงที่การจำแนกผิดพลาดบ่อยที่สุด) รุ่นหนึ่งของโมเดลได้แทนที่ด้วยพรอมต์อายุแบบอิง CLIP เพื่อให้โมเดลจับลักษณะอายุที่เฉพาะเจาะจง

สำหรับการประเมินอายุในขั้นตอน inference (ต่างจากการใช้ SSRNet ในขั้นตอนฝึก) เฟรมเวิร์ก MiVOLO ปี 2023 ถูกนำมาใช้

ข้อมูลและการทดสอบ

การปรับจูน SSRNet ของ UTKFace ใช้ชุดฝึกจำนวน 15,364 ภาพ เทียบกับ test-set จำนวน 6,701 ภาพ ภาพต้นฉบับ 20,000 ภาพถูกคัดกรองเพื่อเอาผู้ที่อายุเกิน 70 ปีออก แล้วแบ่งเป็นสัดส่วน 70:30

ตามวิธีการที่กำหนดโดยโครงการ DiffAM ปี 2023 การฝึกดำเนินต่อในสองขั้นตอน โดยช่วงแรกใช้ภาพเมคอัพจริง 300 ภาพ (แบ่งเป็น 200 ภาพฝึกและ 100 ภาพตรวจสอบ) จาก MT dataset ของ BeautyGAN

จากนั้นโมเดลได้รับการปรับปรุงต่อด้วยภาพ UTKFace เพิ่มอีก 300 ภาพ ที่เสริมด้วยเมคอัพสังเคราะห์ผ่าน EleGANt ทำให้ชุดฝึกสุดท้ายมี 600 ตัวอย่างที่จับคู่กับสไตล์อ้างอิง 5 แบบจาก BeautyGAN เนื่องจากการลบเมคอัพต้องแมปหลายสไตล์เมคอัพไปยังใบหน้าที่สะอาดเดียว การฝึกจึงมุ่งเน้นที่ generalization อย่างกว้างแทนการครอบคลุมทุกรูปแบบเมคอัพที่เป็นไปได้

การประเมินผลทำทั้งบนภาพสังเคราะห์และภาพจริง การทดสอบสังเคราะห์ใช้ภาพจากชุดข้อมูล Flickr-Faces-HQ (FFHQ) จำนวน 2,556 ภาพ ที่สุ่มเลือกอย่างเท่าเทียมจากเก้ากลุ่มอายุต่ำกว่า 70 ปี และถูกปรับด้วย EleGANt

การประเมินการทั่วไปทำด้วยภาพ 3,000 ภาพจาก BeautyFace และ 355 ภาพจาก LADN ทั้งสองชุดมีเมคอัพของจริง

ตัวอย่างจากชุดข้อมูล BeautyFace, แสดงการแบ่งส่วนเชิงความหมายที่กำหนดพื้นที่ต่าง ๆ ของผิวหน้า ที่ได้รับผลกระทบ. Source: https://li-chongyi.github.io/BeautyREC_files/

ตัวชี้วัดและการนำไปใช้

สำหรับเมตริก ผู้เขียนใช้ Mean Absolute Error (MAE) ระหว่างภาพจริงที่มีอายุที่ตรวจสอบได้กับค่าที่ทำนายอายุ, โดยผลลัพธ์ที่ต่ำกว่าจะดีกว่า; age group accuracy ถูกใช้เพื่อประเมินว่าค่าที่ทำนายอายุอยู่ในกลุ่มที่ถูกต้องหรือไม่ (ในกรณีนี้ผลลัพธ์ที่ต่ำกว่าจะดีกว่า); ความแม่นยำของผู้เยาว์/ผู้ใหญ่ถูกใช้เพื่อประเมินการระบุคนอายุ 18+ อย่างถูกต้อง (โดยผลลัพธ์ที่สูงกว่าจะดีกว่า).

นอกจากนี้ แม้ว่าจะไม่ได้เกี่ยวข้องโดยตรงกับหัวข้อที่กำลังพูดถึง ผู้เขียนยังรายงานเมตริกการตรวจสอบตัวตนในรูปแบบของอัตราการจับคู่ที่ถูกต้อง (True Match Rate, TMR) และอัตราการจับคู่ที่ผิด (False Match Rate, FMR) พร้อมกับการรายงานค่า Receiver Operating Characteristic (ROC) ที่เกี่ยวข้องเพิ่มเติม.

SSRNet ถูกปรับแต่งเพิ่มเติมบนภาพขนาด 64×64px โดยใช้ batch size จำนวน 50 ภายใต้ตัวเพิ่มประสิทธิภาพ Adam พร้อม weight decay ที่ 1e−4, รวมถึง cosine annealing scheduler, และอัตราการเรียนรู้ 1e−3 ตลอด 200 epochs, โดยใช้ early stopping.

ในทางตรงกันข้าม โมดูล DiffClean รับภาพขนาดอินพุต 256×256px และถูกปรับแต่งเพิ่มเติมเป็นเวลา 5 epochs โดยใช้ Adam ที่อัตราการเรียนรู้หยาบกว่า 4e−3. การสุ่มตัวอย่างใช้ 40 ขั้นตอน DDIM inversion, และ 6 ขั้นตอน DDIM forward. การฝึกทั้งหมดทำบน GPU NVIDIA A100 ตัวเดียว (ไม่ระบุว่าใช้ VRAM 40GB หรือ 80GB).

ระบบคู่แข่งที่ทดสอบได้แก่ CLIP2Protect และ DiffAM ที่กล่าวถึงก่อนหน้านี้ ผู้เขียนใช้สไตล์เมคอัพแบบ ‘matte’ ในกระบวนการทำงาน เนื่องจากใน CLIP2Protect พบว่ามีอัตราความสำเร็จที่สูงกว่า (ซึ่งอาจเปิดช่องทางให้ผู้ที่พยายามหลีกเลี่ยงวิธีนี้ – แต่เรื่องนี้เป็นเรื่องของเวลาอื่น).

เพื่อทำซ้ำ DiffAM เป็นฐานเปรียบเทียบ โมเดลที่ผ่านการฝึกล่วงหน้าจาก BeautyGAN ถูกปรับแต่งเพิ่มเติมบนชุดข้อมูล MT. สำหรับการถ่ายโอนเมคอัพแบบศัตรู, เช็คพอยต์จาก DiffAM ถูกใช้ด้วยพารามิเตอร์เริ่มต้นสำหรับโมเดลเป้าหมาย, ภาพอ้างอิง, และอัตลักษณ์.

ประสิทธิภาพของ DiffClean เมื่อเทียบกับฐานเปรียบเทียบในงานประเมินอายุ โดยใช้ MiVOLO. เมตริกที่รายงานได้แก่ ความแม่นยำการจำแนก Minor/Adult, ความแม่นยำของกลุ่มอายุ, และค่า mean absolute error (MAE). DiffClean ที่ใช้ CLIP age loss ให้ผลลัพธ์ที่ดีที่สุดในทุกเมตริก.

จากผลลัพธ์เหล่านี้ ผู้เขียนระบุว่า:

‘วิธี [Our] DIFFCLEAN มีประสิทธิภาพเหนือฐานเปรียบเทียบทั้ง CLIP2Protect และ DiffAM, และสามารถกู้คืนสัญญาณอายุที่ถูกทำลายโดยเมคอัพได้โดยลด MAE (เหลือ 5.71) และปรับปรุงความแม่นยำการทำนายกลุ่มอายุโดยรวม (เป็น 37%).

‘เป้าหมายของเรามุ่งเน้นที่กลุ่มอายุของผู้เยาว์, และผลลัพธ์แสดงว่าเราบรรลุการจำแนกอายุผู้เยาว์ต่อผู้ใหญ่ได้ดีถึง 88.6%.’

ผลลัพธ์การลบเมคอัพจากวิธีฐานและวิธีที่เสนอ คอลัมน์ซ้ายสุดแสดงภาพต้นฉบับ, คอลัมน์ต่อไปแสดงผลลัพธ์จาก CLIP2Protect และ DiffAM. คอลัมน์ที่สามแสดงผลลัพธ์จาก DiffClean ผ่าน SSRNet และการสูญเสียอายุแบบอิง CLIP. ผู้เขียนอ้างว่า DiffClean ลบเมคอัพได้อย่างมีประสิทธิภาพมากกว่า, หลีกเลี่ยงการบิดเบือนคุณลักษณะที่พบใน CLIP2Protect, และครอบคลุมสารเคมีที่เหลืออยู่ที่ DiffAM พลาด.

ผู้เขียนยังระบุว่าเมคอัพไม่ได้มีผลอย่างสม่ำเสมอต่ออายุที่รับรู้, แต่สามารถทำให้อายุที่เห็นเพิ่มขึ้น, ลดลง, หรือคงที่ได้ ดังนั้น DiffClean ไม่ได้ทำการ ‘ลดอายุโดยทั่วๆ ไป’ แต่พยายามกู้คืนตัวบ่งชี้อายุเดิมโดยการลบร่องรอยของเครื่องสำอาง:

ตัวอย่างการลบเมคอัพจากชุดข้อมูล CelebA-HQ และ CACD. แต่ละคอลัมน์แสดงคู่ภาพก่อน (ซ้าย) และหลัง (ขวา) การลบเมคอัพ. ในคอลัมน์แรก, อายุที่ทำนายลดลงหลังลบเมคอัพ; ในคอลัมน์ที่สอง, อายุคงที่; และในคอลัมน์ที่สาม, อายุเพิ่มขึ้น.

เพื่อทดสอบว่า DiffClean ทำงานได้ดีแค่ไหนกับข้อมูลใหม่, เราได้รันบนชุดข้อมูล BeautyFace และ LADN ซึ่งมีเมคอัพจริงแต่ไม่มีภาพคู่ของบุคคลเดียวกันที่ไม่มีเครื่องสำอาง. การทำนายอายุก่อนและหลังการลบเมคอัพถูกเปรียบเทียบเพื่อประเมินว่าการลดการบิดเบือนที่เมคอัพก่อให้เกิดได้อย่างมีประสิทธิภาพแค่ไหน:

ผลการลบเมคอัพจากภาพจริงจากชุดข้อมูล LADN (คู่ซ้าย) และ BeautyFace (คู่ขวา) DiffClean ลดอายุที่คาดการณ์โดยการลบเครื่องสำอาง ทำให้ช่องว่างระหว่างอายุที่เห็นและอายุจริงแคบลง ตัวเลขสีขาวแสดงอายุที่ประมาณก่อนและหลังการประมวลผล.

ผลการทดลองแสดงให้เห็นว่า DiffClean ลดช่องว่างระหว่างอายุที่เห็นกับอายุจริงอย่างต่อเนื่อง ทั้งสองชุดข้อมูลแสดงว่าระบบลดข้อผิดพลาดจากการประเมินอายุสูงเกินและต่ำเกินโดยเฉลี่ยประมาณสามปี ซึ่งบ่งชี้ว่าระบบสามารถทั่วไปใช้กับสไตล์เครื่องสำอางในโลกจริงได้ดี

สรุป

น่าสนใจและอาจเป็นเรื่องหลีกเลี่ยงไม่ได้ที่เมคอัพเชิงแสดงจะถูกใช้ในลักษณะต่อสู้กัน เนื่องจากเด็กหญิงพัฒนาการแตกต่างกัน แต่ โดยรวมแล้วพัฒนาการเร็วกว่า ในกลุ่ม งานการระบุจุดเปลี่ยนระหว่างสถานะผู้เยาว์และผู้ใหญ่ของผู้หญิงอาจเป็นหนึ่งในความท้าทายที่วงการวิจัยตั้งเป้าหมายไว้จนถึงตอนนี้

แม้จะอย่างไรก็ตาม เวลาและข้อมูลอาจในที่สุดจะระบุสัญญาณที่เกี่ยวข้องกับอายุอย่างสม่ำเสมอซึ่งสามารถใช้เป็นฐานสำหรับระบบตรวจสอบอายุด้วยภาพได้

* เนื่องจากหัวข้อนี้เชิญชวนให้ใช้ภาษาที่มีอารมณ์แรง และคำว่า ‘girls’ มีความกีดกัน (ในขณะที่ ‘women and girls’ ซึ่งเป็นคำที่ยอมรับในปัจจุบันสำหรับผู้ที่มีเพศหญิง ไม่ได้เป็นคำอธิบายที่แม่นยำในกรณีนี้) ฉันจึงเลือกใช้คำว่า ‘females’ เป็นการประนีประนอมที่ดีที่สุดที่ฉันสามารถคิดได้ แม้ว่าจะไม่ครอบคลุมความละเอียดของประชากรทั้งหมด และขออภัยในเรื่องนี้

^† ในบทความนี้ฉันใช้คำว่า ‘performative’ เพื่อหมายถึงเมคอัพที่ตั้งใจให้มองเห็นและรับรู้ว่าเป็นเมคอัพ เช่น มาสคาร่า, ไอไลเนอร์, บลัชออนและรองพื้น ซึ่งต่างจากครีมปกปิดและประเภทเครื่องสำอาง ‘ลับ’ อื่น ๆ

เผยแพร่ครั้งแรกวันศุกร์ที่ 18 กรกฎาคม 2025