AI工具透過移除數位妝容來繞過過濾器

面部化妝品正讓未成年使用者（主要是女孩）得以繞過交友應用程式和電商網站等平台的自拍式年齡驗證系統。一款新型人工智慧工具透過訓練有別的模型來解決此漏洞，該模型能去除妝容同時保留面部特徵，使未成年人更難欺騙自動化檢查。

隨著全球線上年齡驗證趨勢發展，採用第三方自拍年齡驗證服務的案例正持續增加。

例如根據英國《網路安全法》，第三方服務可透過視覺年齡估算等技術執行驗證——人工智慧能從手機即時影像預測使用者年齡。Ondato、TrustStamp與Yoti等供應商皆採用此技術。

然而年齡估算並非萬無一失。青少年長期為獲取成人特權所做的努力，促使他們發展出有效進入交友網站、論壇及其他年齡限制平台的方法。

其中常見手法（尤以女性*為甚）是透過化妝修飾面容——此策略能有效欺騙自動化年齡估算系統，因該系統常高估年輕族群年齡，卻低估年長者年齡。

不僅限於女孩

在回應「化妝品聚焦女性」的潛在質疑前，必須強調：無論施作對象為何，面部彩妝皆非可靠的性別判斷指標：

美國研究者在《面部化妝品對自動性別與年齡估算演算法的影響》中發現，性別驗證系統會因性別轉換妝容而產生混淆。來源：https://cse.msu.edu/~rossarun/pubs/ChenCosmeticsGenderAge_VISAPP2014.pdf

2024年數據顯示，美國18至24歲男性消費者中，約72%將化妝納入日常儀容流程——儘管多數人使用化妝品是為了呈現健康膚質，而非採用睫毛膏/唇膏等典型女性美學組合。

因此，我們必須基於近期研究中最常見的情境來探討此議題：未成年女性使用化妝品來規避自動化視覺年齡驗證系統。

高效卸妝技術——人工智慧之道

此項研究由紐約大學三位學者共同發表於新論文《DiffClean：基於擴散的精準年齡估算化妝品去除技術》。

該專案旨在開發人工智慧驅動的技術，從圖像（及潛在的影片）中消除妝容外觀，以更精準判斷人物真實年齡。

新論文展示的範例，呈現卸除妝容如何顯著改變年齡預測結果。來源：https://arxiv.org/pdf/2507.13292

開發此類系統面臨的挑戰之一，在於收集或整理未成年少女塗抹成人化妝品的影像存在敏感性問題。為解決此困境，研究團隊採用第三方生成對抗網路系統EleGANt進行合成化妝風格——此方法成效卓著：

清華大學2022年研發的EleGANt系統運用生成對抗網路（GAN），能真實地將化妝效果疊加至原始照片。來源：https://arxiv.org/pdf/2207.09840

透過此方式生成的合成數據，結合多項輔助專案與數據集，作者在處理明顯或「表演性」妝容時，其成果超越了當今最先進的年齡估算方法。

論文指出：

「DiffClean運用文本引導擴散模型消除化妝痕跡，以抵禦化妝攻擊。相較於競爭基準模型，其在數位模擬與真實化妝影像上，提升年齡估算（未成年與成年準確率提升4.8%）及面部驗證（在FMR=0.01%時，TMR準確率提升8.9%）的表現。」

讓我們檢視其方法論。

方法

為避免使用未成年人化妝的真實影像，作者運用EleGANt技術對UTKFace資料庫影像施加合成化妝效果，生成訓練用的前後對比影像組。

UTKFace資料集範例。來源：https://susanqq.github.io/UTKFace/

隨後訓練DiffClean逆向還原此變換。鑑於年齡估算演算法對年輕族群最為困難，研究人員開發出專為10-19歲年齡層微調的代理年齡分類器。他們採用基於UTKFace訓練的SSRNet架構，並搭配加權L1損失函數。

模型核心採用簡化版的 OpenAI 2021 年擴散模型，並在多解析度層級增設注意力頭、深化層級結構，並導入 BigGAN 風格模組以強化上採樣與下採樣效能。

透過CLIP提示實現方向性控制：化妝與素顏的臉部對照，引導模型在保留面部細節、年齡特徵及身份辨識的前提下卸除妝容。

合成妝容透過EleGANt技術施作。每組三聯圖分別呈現原始UTKFace圖像（左）、參考妝容風格（中）及風格轉移後成果（右）。此類妝容轉移技術在電腦視覺研究中普遍應用，亦見於Adobe Photoshop的神經濾鏡功能，可將參考圖像的妝容套用至目標圖像。

四項關鍵損失函數引導卸妝過程，同時維持面部身份與年齡特徵。除基於CLIP的損失函數外，身份保留採用InsightFace庫的加權ArcFace損失函數，透過測量生成面部與原始素顏圖及「上妝」版本的相似度確保一致性。

第三項感知損失採用學習感知相似度指標（LPIPS），運用L1距離確保像素層級的真實感，在卸除妝容後維持原始影像外觀。

最後，年齡監督模組採用經UTKFace數據集訓練的微調版SSRNet，其平滑L1損失函數針對10-29歲年齡段（誤判最常見區間）實施更嚴格的懲罰機制。變體方案則運用基於CLIP的年齡提示，實現特定年齡的外觀匹配。

推論階段的年齡估算則採用2023年推出的MiVOLO框架。

數據與測試

UTKFace數據集的SSRNet微調訓練採用15,364張訓練圖像與6,701張測試圖像。原始20,000張圖像經篩選排除70歲以上個體後，按70:30比例分割。

遵循2023年DiffAM專案方法，訓練分為兩階段：初始階段採用BeautyGAN MT資料集中的300張真實妝容圖像（200張訓練，100張驗證）。

後續運用300張經EleGANt合成彩妝的UTKFace圖像進行模型精煉，最終形成包含600組訓練樣本的數據集，這些樣本對應BeautyGAN的五種參考風格。鑑於卸妝過程需將多種風格映射至單一素顏面部，訓練重點在於實現廣泛泛化能力，而非涵蓋所有化妝變體。

性能評估涵蓋合成與真實圖像：合成測試採用Flickr-Faces-HQ Dataset（FFHQ）中2,556張圖像，均勻採樣自70歲以下九個年齡層，並經EleGANt修改；

泛化能力則透過BeautyFace的3,000張實妝圖像及LADN的355張實妝圖像進行評估。

BeautyFace資料集範例，展示定義化妝影響不同臉部區域的語義分割。來源：https://li-chongyi.github.io/BeautyREC_files/

指標與實作

指標方面，作者採用真實年齡與預測值間的平均絕對誤差（MAE，數值越低越好）；年齡分組準確度以評估分類正確性（數值越低越好）；以及未成年/成年準確度以評估成人識別正確性（數值越高越好）。

研究同時報告身分驗證指標：真實匹配率（TMR）與虛假匹配率（FMR），並附相關接收者操作特性曲線（ROC）數值。

SSRNet於64×64像素圖像上進行微調，批次大小為50，採用Adam優化器、權重衰減1e−4、餘弦退火調度器，並以1e−3學習率執行200個 epoch，同時啟用早期終止機制。

DiffClean接受256×256像素輸入圖像，採用Adam優化器以4e−3學習率進行五個 epoch 的微調。採樣過程包含40次DDIM逆向步驟與6次DDIM順向步驟。所有訓練均在單張NVIDIA A100 GPU上完成。

測試的競爭系統為 CLIP2Protect 與 DiffAM。作者採用「霧面」妝容風格，其中 CLIP2Protect 表現更為優異。

為建立 DiffAM 基準線，將 BeautyGAN 預訓練模型在 MT 資料集上進行微調。針對敵對性化妝轉移任務，則直接採用 DiffAM 檢查點並維持預設參數。

DiffClean相較於基準模型在MiVOLO年齡估算任務中的表現。報告指標包含未成年/成年分類準確度、年齡分組準確度及平均絕對誤差(MAE)。採用CLIP年齡損失的DiffClean在所有指標中均取得最佳結果。

作者聲明：

「[我們的]方法DIFFCLEAN超越了兩個基準模型CLIP2Protect和DiffAM，成功恢復因化妝干擾的年齡線索，將MAE降低至5.71，並將整體年齡組預測準確度提升至37%。

本研究聚焦未成年年齡層，結果顯示我們在未成年與成年年齡分類中達到88.6%的卓越準確度。」

基準方法與提案方法的卸妝結果對照。最左列為原始影像，次列為CLIP2Protect與DiffAM輸出結果，第三列則展示DiffClean透過SSRNet與CLIP年齡損失模型處理後的成果。作者主張DiffClean能更有效去除妝容，既避免CLIP2Protect出現的特徵失真，亦能補足DiffAM遺漏的殘留化妝痕跡。

作者指出化妝對感知年齡的影響並非均勻——可能增加、減少或維持不變。因此DiffClean並非統一降低預測年齡，而是透過去除化妝痕跡來恢復原始年齡指標：

CelebA-HQ與CACD資料集的卸妝範例。每列展示卸妝前後（左/右）的對比圖像。首列顯示卸妝後預測年齡下降；次列維持不變；第三列則呈現上升趨勢。

為驗證泛化能力，我們將 DiffClean 應用於 BeautyFace 與 LADN 資料集（含真實妝容但無對應無妝照）。透過比較卸妝前後的年齡預測值，衡量 DiffClean 消除妝容干擾的成效：

LADN（左對）與BeautyFace（右對）真實圖像的卸妝結果。DiffClean透過去除化妝品降低預測年齡，縮小表觀年齡與實際年齡的差距。白色數字顯示處理前後的估算年齡。

結果顯示DiffClean能持續縮小外觀年齡與實際年齡的差距，平均減少約三年的高估與低估誤差，顯示其對真實世界化妝風格具有強大的泛化能力。

結論

顯著妝容被用於敵對任務既耐人尋味，或許也是必然趨勢。由於女孩成熟速度各異但整體趨快，識別從未成年女性到成年女性的轉變階段，是本研究領域最具挑戰性的目標之一。

然而隨著時間推移，數據或將揭示一致的年齡相關指標，為視覺年齡驗證系統提供基準。

* 鑑於本議題敏感性，且「女孩」一詞具排他性（而現行通用術語「女性與女孩」在此情境不適用），故採用「女性」作為最佳折衷方案——雖未能涵蓋所有人口統計細微差異，謹此致歉。

^†本文中「表演性」指明確為展示與辨識而施作的妝容，如睫毛膏、眼線、腮紅與粉底，有別於遮瑕膏等低調化妝手法。

初版發佈於2025年7月18日（星期五）