智能手机肌肤分析的技术壁垒与应对之道

上一篇文章说，肌肤要经常测才能看出走势。但这里有一个前提：每次都得在相近的条件下拍摄。如果今天在窗边正对着拍，明天在房间里斜着拍，那么两张照片之间的差异，究竟是肌肤的变化，还是拍摄的差异，就无从分辨。

事实上，我们在对外会议中最常被问到的也正是这个问题：“用户拍照的方式五花八门，那结果还可信吗？”这是一个合理的问题，也是我们投入时间最多的部分。

角度、距离、光线都会改变结果

如果任由大家自由拍摄，照片就会各不相同。

• 角度：头稍微抬一点或低一点，法令纹和松弛看起来就不一样
• 距离：拍得近，面部会变形；拍得远，细节又会糊掉
• 光线：在窗边的自然光下和在荧光灯下，色素和潮红拍出来完全不同

问题在于，这些差异可能比真实的肌肤变化还要大。这样一来，上一篇文章里说的“点连成的线”，反映的就不是肌肤的走势，而是拍摄条件的走势。

而且，智能手机的机型各不相同

在此之上还要再叠加一层：每个人用的智能手机都不一样。

不同机型的摄像头像素和镜头特性不同，色彩处理方式也因厂商而异。同一张脸在同一个位置拍，不同设备拍出来的结果也会略有差别。这与诊所设备那种只需控制一台机器的情况，前提完全不同。

这是选择智能手机所要付出的代价。我们得到了“人人都能用自己手里的设备来测”这一优点，作为交换，就必须承担这种多样性。

所以，我们在寻找“理想的那一点”

最简单的解法是严格控制拍摄条件：固定的距离、固定的角度、固定的光线。但这样做，准确度虽然上去了，却不会再有人每天拍。能够经常测量本是智能手机最大的优点，这等于亲手把这个优点抹掉了。

于是我们反其道而行：观察真实用户是怎么拍的，并基于这些数据，寻找两者交汇的那一点——把拍摄的麻烦降到最低，同时又能保持评估结果的准确度。

这不是一个有唯一确定答案的问题，更像是一项边看数据边持续调整的工作。在这个过程中找到的方法，我们已经申请了专利。

先测量偏差，才能减少偏差

因设备和环境而产生的差异，我们通过模型训练来应对。不过，并不是一味地堆数据。

我们把模型应用于在各种条件下拍摄的照片，然后分析结果会随条件散开到什么程度：同样的肌肤，换了机型数值会动多少；光线变了，哪个维度特别敏感——分开来看。在六个维度中，色素和潮红对光线更敏感，皱纹和松弛对角度更敏感，所以每个维度都需要不同的应对方式。

这样确认了偏差的大小和原因之后，我们再补充薄弱条件下的数据，重新训练模型。然后用同样的方式再测一次。因为偏差如果看不见，也就无从减少。

做一个只针对一种机型、一种光线条件的模型，相对容易，因为条件是固定的。难的是让人无论用哪部手机、在哪里拍，都能得到相近的数值。而如果是一项让用户各自用自己的手机来测的服务，就必须把难的这一边做成。

在前面的文章里，我写过用智能手机前置摄像头分析肌肤在技术上并不容易。这篇文章里写的这些，就是那份困难的真实面貌。尽管如此，我们仍然选择了这个方向，理由只有一个：我认为肌肤数据的主人应该是本人，而不是诊所的服务器。