Por que dois apps de leitura facial dão notas diferentes

A resposta curta

Mande a mesma foto para dois apps de leitura facial e é fácil ver vinte pontos de diferença. Nenhum dos dois está quebrado. A nota não é uma propriedade do seu rosto: é a saída de um processo, e cada etapa desse processo contém escolhas. Mude as escolhas e o número muda.

Três dessas escolhas explicam quase toda a brecha: quais pontos do rosto são medidos, por quanto essa medida é dividida e em que parte da escala da própria ferramenta a proporção cai. Existe uma quarta com que quase ninguém pensa, e ela acontece antes de o app ver qualquer coisa.

1. Eles não medem os mesmos pontos

Os sistemas de análise facial se apoiam em esquemas de pontos, e os esquemas não são intercambiáveis:

• 68 pontos — o traçado clássico do dlib e do OpenCV antigo. Contorno da mandíbula, duas sobrancelhas, ponte e base do nariz, dois contornos de olho, linha externa e interna dos lábios.
• 98 pontos — o esquema de anotação WFLW, usado por vários modelos de pesquisa. A mesma ideia, mais denso ao redor dos olhos e do contorno da boca.
• 468 pontos — MediaPipe Face Mesh, uma malha densa cobrindo o rosto inteiro, bochechas e testa incluídas.
• 478 pontos — a mesma malha mais dez pontos de íris, cinco por olho.

Onde isso aparece: na largura do nariz. Com 68 pontos existem dois pontos de asa nasal e um único intervalo entre eles. Numa malha de 468 há vários pares candidatos pela largura do nariz, e o par que a fórmula escolher desloca a medida em alguns por cento. Com a largura da mandíbula é igual: o ponto mais externo da bochecha numa malha densa não fica no mesmo lugar anatômico que o canto da mandíbula num esquema de 68. Dois apps podem rotular honestamente "largura da mandíbula" e estar medindo trechos diferentes do seu rosto.

Mais pontos não significa mais precisão. Uma malha mais densa dá mais opções à fórmula, e portanto mais espaço para discordar da ferramenta vizinha.

2. Toda proporção precisa de um denominador, e eles escolhem um diferente

Uma distância em pixels não significa nada: muda com a resolução, com a distância da câmera, com o recorte. Por isso toda ferramenta divide a distância bruta por alguma coisa. Os denominadores mais comuns:

Dois apps podem calcular exatamente o mesmo intervalo nasal e ainda reportar proporções diferentes, porque um divide pela largura dos malares e o outro pela caixa delimitadora. Se a caixa inclui o seu cabelo, o denominador cresce e todas as proporções encolhem de uma vez. É assim que a nota inteira cai sem que nada no seu rosto tenha mudado.

Um teste rápido: se os números se mexem quando você muda o penteado mas não quando muda a expressão, provavelmente o denominador é a caixa delimitadora.

3. Os dados de treino não são neutros

Modelos de pontos faciais aprendem com fotos anotadas, e as fotos com que aprenderam decidem em que rostos são precisos. As notas publicadas pelo Google sobre o Face Mesh descrevem um conjunto de treino de cerca de 30 mil imagens. Qualquer que seja a composição exata, nenhum conjunto representa todas as populações por igual, e os pontos fracos conhecidos da área são consistentes: pose extrema da cabeça, pouca luz, oclusão por óculos, barba ou cabelo sobre o rosto, e tons de pele que aparecem menos no conjunto anotado.

Na prática isso é um erro que você não vê. Um desvio de dois ou três pixels no canto da mandíbula é invisível na prévia, mas é uma mudança real numa proporção, e essa proporção depois é mapeada para uma escala de 0 a 100 com inclinação acentuada. Erro pequeno na entrada, diferença visível na saída.

É também o motivo de o mesmo rosto pontuar diferente sob outra luz no mesmo app. Não é humor: é a confiança do detector se movendo.

4. Algo acontece antes de o modelo rodar

Quase todo celular processa o quadro antes de entregá-lo ao app: suavização de pele, mapeamento de tons e, em alguns casos, redefinição do formato do rosto. Duas consequências.

Primeiro, a suavização apaga os gradientes de textura que o modelo usa para achar bordas: a linha do lábio, a dobra da pálpebra, as laterais do nariz. Os pontos se deslocam.

Segundo, a redefinição muda a geometria de verdade. O modelo então mede o rosto redefinido, e mede com precisão. Está fazendo bem o trabalho sobre a entrada errada.

Um app que lê o buffer cru da câmera e outro que lê a prévia já processada vão discordar mesmo com algoritmos idênticos.

5. O último passo é projetado, não medido

Mesmo com os mesmos pontos e o mesmo denominador, o número continua diferente, porque transformar proporção em nota é uma decisão de projeto. A forma usual: pegar a proporção r, limitar entre um mínimo e um máximo e mapear linearmente para 0–100. Mova os extremos e todas as notas se movem.

O 70 de um app pode significar "meio da faixa, um pouco acima da média". O 70 de outro pode significar o percentil noventa da própria amostra. Nenhum dos extremos é calibrado contra algo externo: são escolhidos para a distribuição parecer razoável em algumas centenas de fotos de teste.

Por isso números absolutos não viajam entre apps. A ordem de classificação viaja um pouco melhor, e só entre rostos parecidos.

Uma comparação que dá para fazer

O truque é tirar você da equação. Uma foto impressa é uma constante física: mesma geometria, mesma luz, sempre.

1. Imprima um retrato nítido e frontal em papel fosco, com uns 15 cm de altura.
2. Cole na parede na altura dos olhos. Ilumine de frente com um abajur e feche a cortina.
3. Escaneie a impressão com cada ferramenta duas vezes, com dez minutos de intervalo. Anote os dois números.
4. Repita com uma selfie real a 60 cm, lente na altura dos olhos, sem filtro.
5. Monte uma tabela: ferramenta, nota da impressão, nota da selfie, diferença.

Como ler:

• Impressão estável, selfie oscilando — a ferramenta é sensível à entrada, não ao rosto. A variância vem da luz e da pose.
• A nota da impressão muito longe da da selfie na mesma ferramenta — há pré-processamento pesado. Uma impressão não tem textura de pele para suavizar, então as duas entradas não são equivalentes.
• Duas ferramentas ordenam igual cinco rostos impressos — medem coisas parecidas em escalas diferentes.
• A ordem se inverte — medem coisas diferentes, e os rótulos estão fazendo o trabalho.

Ordenar cinco rostos e comparar as ordens é a única comparação entre ferramentas que sobrevive a escalas diferentes. Números absolutos não viajam; ordens às vezes sim.

Se a variação vem do seu lado e não da ferramenta, arrume primeiro a entrada: o guia de ângulos para selfie cobre distância, altura da lente e luz, e o analisador de formato de rosto serve para conferir, passando a mesma foto duas vezes.

O que fazer com a nota que você recebeu

Nada disso tira a graça dos testes. Dá leitura a eles. Quando dois apps discordam sobre o seu rosto, a discordância é um fato sobre os apps — seus pontos, seus denominadores, seu conjunto de treino, sua escala — e não um fato sobre você. Vale saber disso antes de levar um print a sério.

Perguntas frequentes

Por que dois apps dão notas diferentes para a mesma foto?

Esquemas de pontos diferentes, denominadores diferentes para a mesma proporção, dados de treino diferentes e extremos diferentes na escala final. Qualquer um desses itens move a nota em dez pontos.

A nota mais alta é a mais precisa?

Não. Não existe uma verdade de referência para acertar. Nota alta costuma significar que a escala está ancorada mais embaixo, ou que a fórmula premia um traço que você tem.

Qual quantidade de pontos é a mais precisa?

Não há resposta única; depende da tarefa. 68 pontos é bem estudado e barato; 468 ou 478 dá cobertura densa e cai bem em análise de forma. A precisão vem do conjunto de treino e do encaixe com as suas condições, não do número de pontos.