神经网络判断年龄vs减龄化妆术
2025年9月6日有很多网站（如https://age.toolpie.com/）、app（如AgeBot）可以从脸部照片判断当事人的年龄。今年8月联合王国推出《網上安全法》（Online Safety Act），要求色情网站等一部分网站验证用户是否年满18岁。验证方法除了身份证，还可以拍脸推测年龄。联合王国采用的是二分法，既满18和不满18——不涉及推测具体年龄。
2015年，Microsoft推出了how old.net，拍一张照片就可以推测年龄，是这项技术的祖先。这个网站在当时就引起轰动。
2015年微软采用的方法是regression model，人为定义数十个特征点，包括眼角中位置、眼角外位置等，让模型根据这些特征点自由发挥，去拟合训练集的实际年龄。
现在的判断方法都是用神经网络了，因为这项技术已经大为发展。图像神经网络不需要开发人员指定特征，网络自己会去看，最终跟训练集的实际年龄做back-propagation。
一般来说，vision transformer (vit)的层关注点如下：
| 层级 | 关注的视觉特征 | 为什么会影响年龄判定 |
|---|---|---|
| 低层（边缘/纹理） | 细纹、皱纹、毛孔、皮肤粗糙度 | 细纹密度是最直观的衰老信号 |
| 中层（颜色/光照） | 肤色均匀度、局部暗影、血色 | 老年皮肤往往暗淡、色斑增多 |
| 高层（结构/形状） | 脸部轮廓松弛、下垂、颈部线条 | 脂肪流失、骨骼结构变化导致的形状变化 |
要注意，并不是开发人员去教神经网络看什么，而是神经网络自己发现总结的。
bb霜、素颜霜
bb霜、cc霜、素颜霜是用来磨皮、减少皱纹和细节。虽然人眼看起来皱纹少了，肤色均匀了，但是电脑并不这么认为。
神经网络的低层检查皮肤细节。因为素颜霜减少了细节，所以神经网络会把年龄往大判断。另外，也可能是年龄大一点的人才会用化妆品，才会用粉底，所以AI直接把有粉底、看不清细节跟年龄大划上等号。
可以这样验证：用photoshop（gimp）的selective gaussian blur模糊脸部，给https://huggingface.co/dima806/facial_age_image_detection判断。原图21.84岁，模糊后24.17岁。
高光与阴影
高光与阴影是增加细节的工具，对应photoshop（gimp）的dodge and burn（减淡、加亮）。
在模糊图基础上dodge，AI判断年龄为23.55.
总结
美女采用的减龄化妆术在AI眼里不一定能减龄，因为粉底、素颜霜抹去了细节令AI认为年龄偏高。
但是高光和暗色笔刷则是有用的。