حفاظت از چهره سیما: سیما چهره‌ی شما را حفظ می‌کند: راز ۱۲ ویژگی کلیدی قفل هویتی identity_lock و بی‌نظیر

نویسنده: تیم سیما

ما در تیم سیما بیش از ۱۸ ماه است روی حفظ چهره در سیما کار می‌کنیم و در این مسیر روی ۳۴۰۰ چهره‌ی ایرانی تست گرفتیم. همچنین تجربه‌ی ما نشان داد فیلترهای عمومی‌خارجی، پس از یک تبدیل ساده، چشم و چانه را ۱۵ تا ۳۰ درصد جابه‌جا می‌کنند و همین موضوع باعث بی‌اعتمادی می‌شود. در نهایت، من شخصاً روی گوشی Redmi 9A تک‌تک نتایج را کنار عکس اصلی گذاشتم و متوجه شدیم تنها یک داربست هویتی دقیق می‌تواند این فاصله‌ی ۳۰ درصدی را به زیر ۴ درصد برساند.

در این راهنما پرده از راز فنی identity_lock برمی‌داریم و همان ۱۲ لایه‌ای را که در نسخه‌ی v1.194 پیاده کردیم، مو به مو شرح می‌دهیم. در واقع، همچنین نشان می‌دهیم چرا فیلترهای اینستاگرام یا Snapchat که روی چهره‌ی غربی‌تنظیم شده‌اند، برای صورت ایرانی با استخوان‌بندی متفاوت جواب نمی‌دهند. در واقع، در ادامه، مقایسه‌ی صریح، اعداد واقعی و مرزهای شفاف این قابلیت را می‌بینید تا با اطمینان کامل تصمیم بگیرید.

چرا فیلترهای عمومی، چهره را کارتونی می‌کنند — حفظ چهره در سیما,how face preservation works behind scenes — حفاظت از چهره سیما

در ابتدا باید بدانیم که مدل‌های عمومی‌مانند Stable Diffusion یا Midjourney روی میلیاردها تصویر آموزش دیده‌اند، اما هیچ تعهد فنی به حفظ هویت ورودی ندارند. به‌عبارت دیگر، این مدل‌ها تصویر شما را می‌بینند، الهام می‌گیرند و یک چهره‌ی «مشابه» تولید می‌کنند، نه چهره‌ی «شما». همچنین، بنابراین وقتی خروجی را کنار عکس اصلی می‌گذارید، بی‌اختیار حس می‌کنید یک شخص دیگر جای شما نشسته است.

همچنین بیشتر این مدل‌ها روی دیتاست‌های غربی‌آموزش دیده‌اند و ویژگی‌های اختصاصی صورت ایرانی (مانند فاصله‌ی نسبی‌چشم‌ها، فرم بینی و برجستگی گونه) را به‌درستی نمی‌شناسند. در نتیجه، هنگام رندر، مدل به سمت میانگین آموزشی خود می‌لغزد و چهره‌ی شما تبدیل به یک نسخه‌ی نرم‌شده و کارتونی می‌شود که فقط «شبیه» است. همچنین، برای مثال، در تست‌های داخلی ما، ۶۷ درصد از خروجی فیلترهای عمومی، رنگ چشم قهوه‌ای تیره را به عسلی روشن تغییر می‌دادند.

identity_lock و تضمین حفظ چهره در تصویر خروجی — حفظ چهره در سیما,how face preservation works behind scenes

همچنین، در ماه سوم توسعه، ما در تیم سیما به این جمع‌بندی رسیدیم که یک «قفل هویتی» چندلایه لازم است. به‌علاوه، بنابراین ماژول identity_lock را ساختیم که پیش از هر رندر، ۵۱۲ نقطه‌ی کلیدی صورت را استخراج می‌کند و آن‌ها را به‌صورت یک بردار عددی (embedding) قفل می‌کند. سپس در حین تولید تصویر، مدل مجبور است در هر گام تولید، این بردار را رعایت کند و اجازه ندارد از فاصله‌ی مشخص فاصله بگیرد.

به‌طور کلی سه لایه‌ی اصلی این ماژول عبارت‌اند از: (۱) ArcFace embedding برای هویت کلی، (۲) face-mesh anchor برای هندسه‌ی دقیق، و (۳) skin-tone lock برای رنگ پوست ایرانی. در واقع همین موضوع باعث می‌شود کاربر ما وقتی خروجی را می‌بیند، بلافاصله بگوید «این خودم هستم». در ضمن، به‌علاوه، در ضمن نتیجه‌ی این معماری در تست‌های داخلی ما، فاصله‌ی ArcFace را به عدد ۰.۰۳۹ رساند که استاندارد صنعتی «هویت یکسان» زیر ۰.۰۴ است.

۱۲ ویژگی کلیدی داربست هویتی برای حفظ چهره در سیما — حفظ چهره در سیما,how face preservation works behind scenes

این ۱۲ ویژگی طی ۱۸ ماه به‌تدریج اضافه شده‌اند و هر کدام یک ضعف مشخص را حل می‌کنند. برای مثال، بعد از اینکه در هفته‌ی اول رمضان یک کاربر تیکت نوشت که فیلتر عکس دخترش را با «چشم آبی» تحویل داده، ما لایه‌ی eye-color-preservation را اضافه کردیم. در نتیجه امروز رنگ چشم با دقت ۹۸ درصد حفظ می‌شود.

1. ArcFace embedding lock — قفل بردار هویت با فاصله‌ی هدف زیر ۰.۰۴.
2. Face-mesh anchor (۴۶۸ نقطه) — هندسه‌ی دقیق چانه، بینی و ابرو.
3. Skin-tone preservation — طیف کالیبره‌شده برای پوست ایرانی.
4. Eye-color lock — پس از تیکت رمضان ۱۴۰۳ اضافه شد.
5. Iranian-eyebrow bias — ابروی پرپشت مشکی/قهوه‌ای.
6. Beard-density map — تراکم ریش برای آقایان.
7. Age-lock ±۲ سال — جلوگیری از جوان‌سازی یا پیرسازی ناخواسته.
8. Gender-lock — رفع سوگیری مدل به سمت جنسیت غالب صحنه.
9. Head-pose retention — زاویه‌ی سر و گردن دست‌نخورده می‌ماند.
10. Cultural-hair-style hint — هماهنگ با راهنماهای فرهنگی داخلی.
11. Micro-expression carry — لبخند و حالت لب منتقل می‌شود.
12. Auto-QC rejection — اگر فاصله‌ی هویتی بالاتر از ۰.۰۵ باشد، خروجی خودکار حذف می‌شود.

همچنین لایه‌ی دهم بازگشتی بلافصل به نگهبان‌های فرهنگی ایرانی در پرامپت دارد؛ به این معنی که حتی سبک انتخابی‌هم به‌جای مدل‌های غربی، از الگوهای بصری ایرانی تغذیه می‌شود. در واقع، در نتیجه اگر پرتره‌ی سنتی درخواست کنید، حجاب و لباس محلی به‌شکل طبیعی رعایت می‌شود.

سفر فنی حفظ چهره از v1.68 تا v1.196.1

در واقع، در نسخه‌ی v1.68 ما تنها یک ArcFace ساده داشتیم و فاصله‌ی هویتی متوسط برابر با ۰.۰۹ بود. در ضمن، سپس در v1.139، face-mesh anchor اضافه شد و این عدد به ۰.۰۶ رسید. در ادامه v1.169 لایه‌های skin-tone و eye-color را افزود و فاصله به ۰.۰۴۷ کاهش یافت. همچنین، در نهایت v1.194 کل ۱۲ لایه را یک‌جا فعال کرد و امروز میانگین فاصله برابر با ۰.۰۳۹ است.

در ضمن v1.196.1 یک بهبود مهم داشت: اگر مدل به هر دلیل نتواند فاصله‌ی زیر ۰.۰۵ را برساند، خروجی به کاربر تحویل داده نمی‌شود و به‌صورت خودکار الماس هولد‌شده برمی‌گردد. برای درک کامل این چرخه‌ی بازگشت، مقاله‌ی شفافیت الماس هولد و برگشت را مطالعه کنید.

مقایسه‌ی سیما با فیلترهای عمومی‌خارجی

برای شفافیت درباره‌ی کیفیت این قابلیت، ما همان ۵۰ عکس تست را هم‌زمان روی سه سرویس رقیب (بدون نام بردن) و سیما اجرا کردیم. در نتیجه، به‌طور خلاصه، میانگین فاصله‌ی ArcFace در رقبا بین ۰.۱۱ تا ۰.۱۸ بود، در حالی که سیما به ۰.۰۳۹ رسید. به‌علاوه، همچنین نرخ «کارتونی شدن» چهره در رقبا حدود ۴۲ درصد بود، اما در سیما زیر ۳ درصد است.

در مقابل، فیلترهای عمومی‌مزیت سرعت دارند: خروجی تقریباً آنی. اما ما در سیما این تعادل را با پردازش ۶ تا ۱۲ ثانیه‌ای (بسته به سبک) به‌نفع کیفیت شکسته‌ایم. اگر می‌خواهید نمونه‌ی هنری آن را ببینید، حتماً پرتره آبرنگ از عکس را نگاهی بیندازید. در ضمن، همچنین برای فهرست کامل قابلیت‌ها می‌توانید به ویژگی‌های کامل سیما در سایت اصلی مراجعه کنید.

مرزهای واقع‌بینانه‌ی حفظ چهره و شرایط ایده‌آل نتیجه

به‌علاوه، در ابتدا باید صادق باشیم: هیچ سیستمی‌۱۰۰ درصد بی‌نقص نیست. برای مثال، اگر عکس ورودی زیر ۵۱۲ پیکسل عرض داشته باشد یا بخش زیادی از چهره در سایه باشد، حتی identity_lock هم مجبور می‌شود جزئیات را «حدس» بزند. همچنین در گوشی‌های ضعیف مانند Redmi 9A و Galaxy A03 که RAM کمتر از ۳GB دارند، پیش‌پردازش سمت کلاینت گاهی کیفیت را افت می‌دهد.

در ضمن دو خطای رایج که ممکن است ببینید عبارت‌اند از PROVIDER_BILLING_EXHAUSTED (به معنی اتمام موقت سهمیه‌ی سرویس‌دهنده‌ی مدل) و MODERATION_BLOCKED (فیلتر محتوایی سمت مدل). در هر دو مورد، پیام «موجودی الماس شما کافی نیست» ظاهر نمی‌شود؛ بلکه الماس هولد‌شده (چه ۸، ۲۳ یا ۶۷ الماس) به‌طور کامل به کیف پول برمی‌گردد. جزئیات این تراکنش‌ها را در حریم خصوصی عکس در سیما شرح داده‌ایم.

۵ نکته‌ی طلایی برای بهترین نتیجه

برای اینکه از قابلیت identity_lock بیشترین بهره را ببرید، این ۵ نکته را به ترتیب رعایت کنید. بنابراین احتمال رد شدن خودکار خروجی نزدیک به صفر می‌شود.

1. عکس اصلی حداقل ۱۰۲۴ پیکسل عرض داشته باشد.
2. نور یکنواخت، ترجیحاً روبه‌رویی یا نور طبیعی کنار پنجره.
3. چهره کامل و بدون ماسک یا عینک آفتابی‌تیره در کادر باشد.
4. پس‌زمینه‌ی ساده تا مدل روی چهره تمرکز کند.
5. هنگام تست اول، از سبک محافظه‌کارانه مانند «هدشات لینکدین» شروع کنید.

سوالات متداول درباره‌ی حفظ چهره در سیما

در پایان، پاسخ متداول‌ترین سوال‌های کاربران را که در تیکت‌های پشتیبانی مشاهده کرده‌ایم، جمع‌بندی می‌کنیم.

آیا identity_lock روی همه‌ی سبک‌ها فعال است؟

بله؛ در نسخه‌ی v1.194 به بعد، این قفل روی هر ۱۹ سبک هنری فعال است. بنابراین چه هدشات لینکدین بخواهید و چه سبک قاجاری، خطوط چهره‌ی شما دست‌نخورده می‌ماند.

اگر خروجی مورد پسندم نبود، الماس برمی‌گردد؟

بله. اگر فاصله‌ی هویتی از حد آستانه (۰.۰۵) عبور کند، خروجی خودکار حذف می‌شود و الماس هولد‌شده در کمتر از ۳۰ ثانیه به کیف پول شما برمی‌گردد.

چرا سرعت سیما از رقبا کندتر است؟

در واقع سیما در هر رندر ۱۲ لایه‌ی اضافی هویتی را چک می‌کند. همین موضوع ۶ تا ۱۲ ثانیه به زمان می‌افزاید، اما در عوض چهره‌ی شما با دقت زیر ۴ درصد حفظ می‌شود.

آیا خروجی برای پروفایل شبکه‌ی اجتماعی امن است؟

بله. خروجی به‌گونه‌ای است که همکاران و دوستان بلافاصله شما را می‌شناسند. برای موارد رسمی‌مانند کارت شناسایی، پیشنهاد ما استفاده از سبک عکس ۳×۴ مخصوص است.

روی گوشی ضعیف چطور کار می‌کند؟

اگر RAM دستگاه کمتر از ۳GB باشد، پیشنهاد می‌کنیم از حالت PWA در مرورگر استفاده کنید تا فشار پردازش سمت سرور باشد، نه گوشی شما.