AIのファンデーション色診断は正確？

AIのファンデーション色診断は正確なのでしょうか。候補を絞る助けにはなるかもしれませんが、公表された研究では、消費者が小売業者のアプリを使った場合の精度は確立されていません。ツールは写真から色を推定し、その推定値を自身の商品リストと照合します。照明、カメラによる画像処理、撮影角度、ツール独自のモデルのいずれも、結果を変える要因になります。

結果は候補として受け止め、可能であれば、最も近い二、三色を実際の肌で確認してください。

色診断ツールが実際にしていること

Parnian Afsharと同僚が研究したシステムでは、ソフトウェアが顔の画素から色を推定しました。画素は、反射した光をカメラが画像として表したものです。その後、商品画像から抽出した色を、その推定値に照らして順位づけしました。

研究者らは、顔から抽出した値を、その人の実際の肌色ではなく、推定された肌色と呼んでいます。結果を解釈する際には、この違いが重要です。

2023年のワークショップ論文では、照明が不適切だと、同じ合成顔に対して矛盾する推奨結果が出ました。研究者らが別途用意したチェック用システムは、実際の顔画像674枚で、照明が適切か不適切かを79.4%の精度で分類しました。著者は全員Amazonに勤務していました。この研究は、小売業者のアプリを独立した立場から検証したものではありません。

色合わせツールは商品の色を勧める仕組みで、バーチャル試着はシミュレーションした色を重ねて表示する仕組みです。一つの画面に両方が含まれる場合もあります。ツールが別途検証していない限り、色の再現画像だけでは、カバー力、仕上がり、質感、化粧もちを裏付けることはできません。

自撮り一枚で合わない色が出る理由

照明が入力を変えます

暖色の電球、窓からの青みがかった反射光、片頬にかかる影は、モデルが読み取る画素を変えます。Afsharのチームは、合成した六種類の肌色モデルを、さまざまな照明パターンの下でテストしました。

六種類のうち五種類では、照明の悪い画像と最も照明のよい画像との色差が10を超えました。著者らは、この差は目で見てわかるものとしています。ただし、合成した顔から、消費者が使う場合の誤り率を知ることはできません。

光を増やせばよいとは限りません。目指すべきなのは、均一な照明です。直射日光は明るい部分と暗い部分を作り、窓の光と天井の照明が混ざると、一つの顔に二種類の色かぶりが生じることがあります。

カメラの位置と画像処理も重要です

Austin Croninと同僚は、一台のスマートフォンで平らな肌色の色見本九枚を撮影し、カメラの角度によって、測定される明度と色が変わることを確認しました。撮影距離を変えると明度が変わり、フラッシュを使っても、これらの影響を一貫して取り除くことはできませんでした。

2023年のJournal of Biophotonicsの研究で使われたのは、紙の色見本、二つの光源、一台のスマートフォンで、人の顔ではありません。それでも、この結果は、気軽に角度をつけて撮った自撮りが、色を判断する根拠として弱い理由を示しています。

Croninのチームは、同じ撮影データをRAWのDNGファイルと、処理済みのJPEGファイルとして保存しました。条件間のばらつきの中央値はJPEG画像で大きく、著者らは、スマートフォンの自動処理が原因である可能性が高いと考えました。この研究でテストしたのは一台だけなので、端末を変えると、制御されていない変数がさらに一つ増えます。

モデルと色の一覧が精度の上限を決めます

色合わせツールが選べるのは、自身のデータベースにある色だけです。Afsharの論文では、色展開は商品ごとに異なり、業界共通の基準がないと指摘されています。色の推定自体が正確でも、商品画像、色見本、登録された色の情報が誤っていれば、適切でない色が勧められることがあります。

技術面では有望な結果もあります。Yafei Mao、Christopher Merkle、Jan Allebachは、色を校正した写真を使い、ファンデーションを塗った後の肌色を予測しました。この論文では、19人から得た塗布前後の画像63組が報告されています。

2022年のElectronic Imagingの論文では、条件を管理した4700 Kの照明とカラーチェッカーが使われました。一つ抜き法での検証では、平均絶対誤差は線形回帰で0.91、サポートベクター回帰で0.87でした。これらはCIELAB座標の誤差であり、正しい色のファンデーションを選べた割合ではありません。

この撮影環境は、浴室での自撮りよりもはるかに厳密に管理されていました。MIME Inc.が支援した研究で、対象は一つの商品ラインと少人数の参加者でした。

この結果が示すのは、校正を行った予測が、条件を管理したデータセットで機能し得るということです。お使いのスマートフォンにある、名前も示されていないアプリの精度を確立するものではありません。

結果を判断の補助に使う

自撮りによる色診断の結果の読み取り方

見られること	考えられる意味	次にするとよいこと	限界
条件をそろえた三枚の写真で同じ色が表示されます	その条件では同じ出力が再現されました	その色と、同じ処方でそれに最も近い色を候補に残します	再現性があっても、実際の肌に合う証拠にはなりません
近い二色の間で結果が変わります	撮影やモデルによる不確実性が小さい可能性があります	あごから首にかけての部分で、両方の色を比較します	色番号では明るさとアンダートーンが混在していることがあります
結果がいくつもの色をまたいで大きく変わります	照明、角度、カメラの画像処理が結果を大きく左右しています	均一な光の下で一度撮り直し、それでも大きく変わるなら、そのツールの使用は見送ります	商品データベースの不備は、撮り直しでは補えません
再現画像の色は合って見えるのに、推奨される色は異なります	バーチャル試着と色合わせツールが、異なる方法を使っている可能性があります	どちらも最終判断にはせず、実物の色を確認します	再現画像では、カバー力、仕上がり、化粧もちは確かめられません
顔には合っていても、首との色の違いが目立ちます	ツールが、読み取った顔の部分だけに色を合わせている可能性があります	顔、首、胸元のどこに色を合わせたいかを決めます	どこに合わせるかは、仕上がりの好みによる選択であり、AIが示す事実ではありません

五分でできる撮影チェック

1. 色を読み取る部分の色付きメイクを落とし、ツールにより具体的な指示がある場合は、それに従います。

2. 柔らかく均一な光源を一つ使い、その光源にまっすぐ顔を向けます。別の光源が異なる色かぶりを作っている場合は、そちらを消します。

3. 顔の上や下からではなく、正面でまっすぐにスマートフォンを持ち、アプリが指定する距離を保ちます。

4. 動かずに三枚撮影します。色が大きく変わる場合は、撮影条件かツールに問題があるという合図なので、色番号を平均しないでください。

5. 同じ処方の中から、近い色の候補を三つまで保存します。それ以上に増やすと、ツールを使う意味が薄れてしまいます。

編集部によるこのチェックで確かめるのは、一つの条件で同じ推奨結果が繰り返し出るかどうかです。妥当性が検証された精度試験ではありません。実際に塗った後に、その商品が肌色に合うかどうかはわかりません。

一本分を無駄にせず、候補の色を確認する

サンプルやテスターがある場合は、あごと首の境目に、色ごとに分けて細く塗ります。乾いて落ち着くまでの時間が指定されている場合は、それに従ってください。指定がなければ、それぞれの色が乾いて落ち着くまで待ちます。その後、直射日光を避けた自然光と、普段の室内照明の両方で確認します。

塗った直後の、まだ乾いていない色だけで選ばないでください。すっぴんの自撮りでは、その処方が乾いて落ち着くまでにどう変化するかはわからないからです。ツールに、検証済みの商品別の化粧もちデータがない限り、実物で色を確認してください。私たちの乾いた後にファンデーションが暗く見える場合のガイドでは、実際に色が変化したのか、もともと選んだ色が合っていなかったのかを見分ける方法を解説しています。自然光でファンデーションの色が違って見える場合のガイドは、一つの照明では合うのに、別の場所では合わないときに役立ちます。

オンラインでしか購入できない場合は、返品や交換の条件が自分にとって利用可能な販売店を優先してください。同じ結果が繰り返し出ても、あくまで候補です。乾いて落ち着いた色を両方の照明条件で確認するまでは、パッケージを保管してください。

正確そうに見える結果でもわからないこと

自撮りだけでは、薄づきとしっかりしたカバー力のどちらが好みかも、顔、首、胸元のどこに色を合わせたいかもわかりません。化粧もち、つけ心地、配合成分、肌との相性も保証できません。

精度をうたうには、参加者、照明、スマートフォン、商品ライン、測定した項目、肌色のグループ別の結果を明示した、明確に定義された試験が必要です。

一つの総合スコアでは、誤りが特定のところに集中していても見えなくなることがあります。また、条件を管理した画像で色を予測することと、自宅で合う色の商品を選ぶことは同じではありません。