Warum zwei Gesichtsscanner dasselbe Gesicht anders bewerten

Die kurze Antwort

Schick dasselbe Foto an zwei Gesichtsscanner und zwanzig Punkte Abstand sind völlig normal. Keine der beiden Apps ist kaputt. Der Wert ist keine Eigenschaft deines Gesichts, sondern die Ausgabe einer Verarbeitungskette — und in jeder Stufe dieser Kette stecken Entscheidungen. Ändere die Entscheidungen, ändert sich die Zahl.

Drei dieser Entscheidungen erklären fast die ganze Lücke: welche Punkte im Gesicht gemessen werden, wodurch dieser Messwert geteilt wird und an welcher Stelle der eigenen Skala das Verhältnis landet. Es gibt noch eine vierte, an die kaum jemand denkt, und sie passiert, bevor die App überhaupt etwas sieht.

1. Sie messen nicht dieselben Punkte

Gesichts-Pipelines bauen auf Landmarken-Schemata auf, und diese Schemata sind nicht austauschbar:

• 68 Punkte — das klassische Layout von dlib und frühem OpenCV. Kieferkontur, zwei Brauen, Nasenrücken und Nasenbasis, zwei Augenlider, äußere und innere Lippenlinie.
• 98 Punkte — das WFLW-Annotationsschema, das mehrere Forschungsmodelle verwenden. Gleiche Idee, dichter um Augen und Mundkontur.
• 468 Punkte — MediaPipe Face Mesh, ein dichtes Netz über das ganze Gesicht, Wangen und Stirn eingeschlossen.
• 478 Punkte — dasselbe Netz plus zehn Irispunkte, fünf pro Auge.

Wo das sichtbar wird: bei der Nasenbreite. Mit 68 Punkten gibt es zwei Nasenflügelpunkte und genau eine Strecke dazwischen. Auf einem Netz mit 468 Punkten liegen mehrere mögliche Paare quer über die Nase, und welches Paar die Formel nimmt, verschiebt die Messung um ein paar Prozent. Bei der Kieferbreite ist es genauso: Der äußerste Wangenpunkt eines dichten Netzes sitzt anatomisch nicht dort, wo die Kieferecke eines 68-Punkte-Schemas liegt. Zwei Apps können beide ehrlich „Kieferbreite“ draufschreiben und verschiedene Abschnitte deines Gesichts messen.

Mehr Punkte heißt nicht automatisch mehr Genauigkeit. Ein dichteres Netz gibt der Formel mehr Auswahl — und damit mehr Spielraum, sich mit dem nächsten Werkzeug zu widersprechen.

2. Jedes Verhältnis braucht einen Nenner, und sie wählen verschiedene

Eine Entfernung in Pixeln sagt nichts: Sie ändert sich mit der Auflösung, mit dem Abstand zur Kamera, mit dem Zuschnitt. Also teilt jedes Werkzeug seine Rohdistanz durch irgendetwas. Die üblichen Nenner:

Zwei Apps können exakt dieselbe Nasenstrecke berechnen und trotzdem verschiedene Nasenbreiten-Verhältnisse melden, weil die eine durch die Jochbeinbreite teilt und die andere durch die Bounding Box. Enthält die Box deine Haare, wächst der Nenner und alle Verhältnisse schrumpfen gleichmäßig. So fällt ein ganzer Wert, obwohl sich an deinem Gesicht nichts geändert hat.

Ein nützlicher Test: Wenn sich die Zahlen bei neuer Frisur bewegen, bei anderer Mimik aber nicht, ist der Nenner wahrscheinlich die Bounding Box.

3. Trainingsdaten sind nicht neutral

Landmarken-Modelle lernen aus annotierten Fotos, und diese Fotos entscheiden, bei welchen Gesichtern sie genau sind. Googles veröffentlichte Notizen zu Face Mesh nennen einen Trainingssatz von rund 30.000 Bildern. Wie auch immer die genaue Zusammensetzung aussieht — kein Datensatz vertritt alle Bevölkerungsgruppen gleich, und die bekannten Schwachstellen des Feldes sind konsistent: extreme Kopfhaltung, wenig Licht, Verdeckung durch Brille, Bart oder Haare im Gesicht und Hauttöne, die im annotierten Satz seltener vorkommen.

Praktisch äußert sich das als Fehler, den du nicht siehst. Zwei oder drei Pixel Abweichung an der Kieferecke sind in der Vorschau unsichtbar, im Verhältnis aber eine echte Veränderung — und dieses Verhältnis wird später mit steiler Steigung auf 0–100 abgebildet. Kleiner Fehler am Eingang, sichtbarer Unterschied am Ausgang.

Deshalb bewertet dasselbe Gesicht in derselben App unter anderem Licht anders. Das ist keine Stimmung, das ist die Konfidenz des Detektors.

4. Vor dem Modell passiert schon etwas

Fast jedes Handy bearbeitet das Bild, bevor die App es bekommt: Hautglättung, Tonemapping, teils Umformung der Gesichtsform. Zwei Folgen.

Erstens löscht Glättung die Texturgradienten, an denen das Modell Kanten findet: Lippenlinie, Lidfalte, Nasenflanken. Die Landmarken wandern.

Zweitens verändert die Umformung die Geometrie selbst. Das Modell misst dann das umgeformte Gesicht — und misst es präzise. Es macht seine Arbeit richtig, nur an der falschen Eingabe.

Eine App, die den rohen Kamerapuffer liest, und eine, die die bereits bearbeitete Vorschau liest, werden sich widersprechen, selbst bei identischen Algorithmen.

5. Der letzte Schritt ist gestaltet, nicht gemessen

Selbst mit gleichen Landmarken und gleichem Nenner bleibt die Zahl verschieden, weil aus einem Verhältnis eine Note zu machen eine Designentscheidung ist. Die übliche Form: Verhältnis r nehmen, zwischen Minimum und Maximum begrenzen, linear auf 0–100 abbilden. Verschiebe die Endpunkte, und alle Werte verschieben sich mit.

Die 70 einer App kann „Mitte der Spanne, leicht über Durchschnitt“ heißen. Die 70 einer anderen kann das neunzigste Perzentil der eigenen Stichprobe sein. Keiner der Endpunkte ist gegen etwas Äußeres kalibriert — sie werden so gewählt, dass die Verteilung auf ein paar hundert Testfotos plausibel aussieht.

Darum lassen sich absolute Zahlen nicht zwischen Apps vergleichen. Die Rangfolge reist etwas besser, und auch nur unter ähnlichen Gesichtern.

Ein Vergleich, den du wirklich machen kannst

Der Trick ist, dich selbst als Variable zu entfernen. Ein ausgedrucktes Foto ist eine physikalische Konstante: gleiche Geometrie, gleiches Licht, jedes Mal.

1. Drucke ein klares Frontporträt auf mattem Papier, etwa 15 cm hoch.
2. Klebe es auf Augenhöhe an die Wand. Beleuchte es von vorn mit einer Lampe, Vorhang zu.
3. Scanne den Ausdruck mit jedem Werkzeug zweimal, zehn Minuten Abstand. Notiere beide Zahlen.
4. Wiederhole das mit einem echten Selfie bei 60 cm, Objektiv auf Augenhöhe, ohne Filter.
5. Bau eine Tabelle: Werkzeug, Wert Ausdruck, Wert Selfie, Differenz.

So liest du sie:

• Ausdruck stabil, Selfie springt — das Werkzeug reagiert auf die Eingabe, nicht auf das Gesicht. Die Streuung kommt von Licht und Pose.
• Wert des Ausdrucks weit weg vom Selfie-Wert beim selben Werkzeug — es wird stark vorverarbeitet. Ein Ausdruck hat keine Hauttextur zum Glätten, die beiden Eingaben sind also nicht gleichwertig.
• Zwei Werkzeuge sortieren fünf gedruckte Gesichter gleich — sie messen Ähnliches auf verschiedenen Skalen.
• Die Reihenfolge kippt — sie messen Verschiedenes, und die Etiketten halten es zusammen.

Fünf Gesichter zu ordnen und die Reihenfolgen zu vergleichen ist der einzige Werkzeugvergleich, der unterschiedliche Skalen übersteht. Absolute Zahlen reisen nicht, Rangfolgen manchmal.

Wenn die Streuung von dir kommt und nicht vom Werkzeug, richte zuerst die Eingabe: Der Selfie-Winkel-Guide behandelt Abstand, Objektivhöhe und Licht, und der Gesichtsform-Analysator eignet sich zum Prüfen, wenn du dasselbe Foto zweimal durchschickst.

Was du mit deinem Wert anfängst

Nichts davon nimmt den Tests den Spaß. Es macht sie lesbar. Wenn zwei Apps sich über dein Gesicht uneinig sind, ist diese Uneinigkeit eine Tatsache über die Apps — ihre Landmarken, ihre Nenner, ihr Trainingssatz, ihre Skala — und keine Tatsache über dich. Gut zu wissen, bevor du einen Screenshot ernst nimmst.

Häufige Fragen

Warum geben zwei Apps für dasselbe Foto unterschiedliche Werte?

Verschiedene Landmarken-Schemata, verschiedene Nenner für dasselbe Verhältnis, verschiedene Trainingsdaten und verschiedene Endpunkte der Skala. Jedes einzelne davon verschiebt einen Wert um zehn Punkte.

Ist der höhere Wert der genauere?

Nein. Es gibt keine Bezugswahrheit, gegen die man treffen könnte. Ein hoher Wert heißt meist, dass die Skala tiefer verankert ist oder die Formel ein Merkmal belohnt, das du zufällig hast.

Welche Punktzahl ist am genauesten?

Das lässt sich pauschal nicht sagen und hängt von der Aufgabe ab. 68 Punkte sind gut verstanden und günstig; 468 oder 478 liefern dichte Abdeckung und eignen sich für Formanalyse. Genauigkeit kommt aus dem Trainingssatz und seiner Passung zu deinen Bedingungen, nicht aus der Punktzahl allein.