Trong một ấn phẩm gần đây ở Khoa học Trung Quốc Khoa học đời sống, một nhóm nghiên cứu do Giáo sư Jing-Dong Jackie Han và Ph.D. sinh viên Xinyu Yang từ Đại học Bắc Kinh đã thiết lập một mô hình học sâu để ước tính độ tuổi bằng cách sử dụng các đám mây điểm khuôn mặt 3D chưa đăng ký. Họ cũng đề xuất thuật toán biến đổi đơn điệu theo tọa độ để tách các đặc điểm khuôn mặt liên quan đến tuổi tác khỏi khuôn mặt con người có thể nhận dạng được.
Nhóm đã đào tạo mô hình này trên hơn 16,000 phiên bản dữ liệu đám mây điểm khuôn mặt 3D, đạt được sai số tuyệt đối trung bình khoảng 2.5 năm. Mô hình nhận ra sự bất biến khi quay của khuôn mặt con người. Khi phân tích tầm quan trọng của hình dạng khuôn mặt và tông màu da, họ đã phát triển thuật toán biến đổi đơn điệu theo tọa độ.
Thuật toán có thể làm biến dạng khuôn mặt mà không thay đổi vị trí tương đối của các thành phần trên khuôn mặt. Nhóm nghiên cứu nhận thấy rằng các mô hình học sâu có thể ước tính chính xác và nhất quán độ tuổi của khuôn mặt trước và sau khi áp dụng thuật toán biến đổi trong nhiều tình huống khác nhau, chứng minh rằng các phép biến đổi bảo toàn hiệu quả các đặc điểm khuôn mặt liên quan đến tuổi tác.
Tuy nhiên, trong các bài kiểm tra trực quan, các đối tượng nhận thấy độ chính xác và tốc độ phản hồi giảm đáng kể khi đánh giá các khuôn mặt được biến đổi. Ngoài ra, các mô hình xác minh khuôn mặt tính toán được đào tạo trên hình dạng khuôn mặt bình thường không thể nhận dạng được khuôn mặt đã biến đổi.
Xem xét những điểm tương đồng và khác biệt trong nhiệm vụ ước tính và nhận dạng độ tuổi, nhóm nghiên cứu đã đề xuất hướng dẫn bảo vệ dữ liệu khuôn mặt. Hướng dẫn này, bao gồm các phép biến đổi đơn điệu theo tọa độ và cung cấp dữ liệu có chọn lọc, nhằm mục đích cung cấp nền tảng lý thuyết để quản lý trung tâm dữ liệu khuôn mặt hoặc bộ dữ liệu công khai.