手機肌膚分析的技術障礙與克服方法

上一篇文章說，肌膚要經常測量才看得出趨勢。但這裡有一個前提：每次都得在相近的條件下拍攝。如果今天在窗邊正面拍，明天在房間裡斜著拍，那這兩張照片的差異，究竟是肌膚的變化還是拍攝的差異，就無從分辨了。

實際上，我們在對外會議中最常被問到的也是這個：「使用者拍的方式五花八門，那結果可信嗎？」這是很合理的問題，也是我們投入最多時間的部分。

角度、距離、光線會改變結果

放任大家自由拍攝，照片就會五花八門。

• 角度：頭稍微抬高或低下，法令紋和鬆弛看起來就不一樣
• 距離：拍太近臉會變形，拍太遠細節就糊掉
• 光線：在窗邊的自然光下和日光燈下，色素和潮紅拍出來完全不同

問題在於，這些差異可能比真正的膚況變化還大。這麼一來，前一篇文章說的「點所畫出來的線」，就不再是肌膚的趨勢，而是拍攝條件的趨勢。

更何況，每支手機的機型都不同

這上面還得再疊一層：每個人用的手機都不一樣。

不同機型的相機畫素和鏡頭特性不同，色彩處理方式也因製造商而異。同一張臉在同一個位置拍，每台裝置拍出來的結果都會有些許差異。這和診所儀器那種只需控制一台機器的情況，前提完全不同。

這是選擇手機所要付出的代價。換來「任何人都能用手上的裝置測量」這個優點，就必須承擔這種多樣性。

所以我們正在尋找「理想的那一點」

最簡單的解法，是嚴格控制拍攝條件：固定的距離、固定的角度、固定的光線。但這麼做，準確度雖然會提高，卻不會有人願意每天拍。能經常測量是手機最大的優點，這等於親手抹掉了這個優點。

所以我們反過來做：觀察實際使用者是怎麼拍的，再根據那些資料，尋找兩者交會的那一點——把拍攝的麻煩降到最低，同時評估結果的準確度又能維持的那一點。

這不是一個有固定唯一答案的問題，而更像是一邊看資料、一邊持續調整的工作。在這個過程中找到的方法，我們已經申請了專利。

要先測量偏差，才能減少偏差

裝置與環境造成的差異，我們以訓練的方式來處理。不過，並不是一味增加資料量的做法。

我們把模型套用在各種條件下拍攝的照片上，然後分析結果會隨條件散開到什麼程度。同樣的肌膚，換了機型數值會動多少；光線改變時，哪個面向特別敏感——這些都分開來看。六個面向當中，色素和潮紅對光線較敏感，皺紋和鬆弛則對角度較敏感，因此每個面向需要不同的因應方式。

像這樣確認了偏差的大小與原因之後，再補強較弱條件下的資料，重新訓練模型，然後用同樣的方式再測一次。因為偏差如果看不見，就沒辦法減少。

針對單一機型、單一光線條件打造模型，相對容易，因為條件是固定的。難的是讓不管用哪支手機、在哪裡拍，都能得到相近的數值。而如果是一項讓使用者各自用自己的手機測量的服務，就非得把難的那一邊做出來不可。

在前面的文章裡，我寫過用手機前鏡頭分析肌膚在技術上並不容易。這篇文章寫的，就是那些困難的真面目。即便如此，我們選擇這個方向的理由只有一個：我們認為，肌膚資料的主人應該是本人，而不是診所的伺服器。