Замазывание лица на фото: Размыть лицо онлайн — заблюрить, чтобы закрыть лица
Transphoto
| |||||||||||||||||||||||||||||||||||||||||
< > | |||||||||||||||||||||||||||||||||||||||||
| Minsk, | 81-714. 5 (LVZ/VM) | # 11425 |
Interior, view toward front
Author: Ben Evans · Minsk Date: Monday, August 30, 2021 Rating: +6
|
| ||||||||||||||||||||||||||||||||||||||||
2021 г.]Как на Яндекс-Панорамах замазали лица у минских памятников
dev.by подметил, что автоматические алгоритмы приняли за людей десятки скульптур на Яндекс-Панорамах — и замазали им лица. Также пострадали и знаменитые столичные мозаики.
Еще в 2011 году Яндекс начал замазывать на своих панорамных съемках лица людей — сначала это произошло на видах городов Турции (приводили фото в соответствие с местными законами). А до наших широт добрались намного позже: примерно в марте 2020 года. Частная жизнь должна оставаться частной.
Замазывание/размывание лиц (и номеров автомобилей) выполняют алгоритмы, которые специально натасканы на выполнение таких задач.
Вообще эти скрытые лица скульптур не сразу и заметишь, потому что, как правило, стоят они на удалении от дорог, по которым ездил «панорамомобиль». И лишь приблизив изображение, видно четко: лицо совершенно нечеткое.
Вот, например, памятник Максиму Богдановичу вблизи улицы своего же имени. Издали — ну памятник и памятник, а вблизи уже — памятник без лица.
Если переключить на более старый год съемки, то с лицом Богдановича все в порядке.
Неподалеку, на улице Архитектора Заборского, у бокового входа в Суворовское училище стоит скульптура «Маленький генерал». У нее лицо замылено и на съемке 2019-го, и на съемке 2014-го годов.
Еще чуть дальше, на Острове мужества и скорби, стоит скульптура плачущего ангела.
На проспекте Победителей замазали лицо скульптуре «Зіма. Каляды» напротив кинотеатра «Москва», в Троицком предместье — лицо Язэпа Дроздовича, а на улице Городской Вал — самого городового. Похоже, скоро нейросеть со своими алгоритмами будет вынуждена извиняться на камеру.
На площади Свободы пострадал Войт, а вот парная скульптура Винцента Дунин-Марцинкевича и Станислава Монюшко в кадр, к счастью, не попала.
Некоторым скульптурам замазали лица, но стоит сделать шаг вправо-влево или вперед-назад, как лица изваяний предстают перед нами в неискаженном виде. Это заметно на примере скульптуры «Прикуривающий» в Михайловском сквере и еще лучше — на примере бюста Героя Советского Союза Сергея Грицевца на улице Ленина.
Вернемся к классикам. На бульваре имени себя сидит печальный Владимир Мулявин, вот только лица его не разглядеть. Неподалеку, на площади имени себя, сидит столь же печальный Якуб Колас — и тоже без лица.
Вокруг Оперного театра, помимо уже упомянутого нами Богдановича, расставлено немало скульптур — и почти все они пострадали от алгоритмов. Так, программа засекретила лицо пионера-героя Марата Казея. Скульптуре «Муза оперы» и без того непросто: у нее напрочь нет ног, — а теперь еще и лица тоже нет. Из трио балерин (скульптура «Балет») без лица остались две.
Странная ситуация сложилась с главным фасадом театра Оперы и балета. На фронтоне расположена скульптура «Аполлон и Славы» (вариант названия — «Аполлон, венчающий Менад»), на выступах по бокам — скульптуры муз разных видов искусства. Так вот, лица замазаны у Аполлона и у муз, но не у Менад. Впрочем, если сместиться вбок, то и Аполлон снова показывает нам свое истинное лицо.
Кстати, тут же, у Оперника, видно, что алгоритмы и с человеческими лицами справиться не в силах.
Сосчитайте, сколько незамазанных лиц можно рассмотреть у позирующих на ступенях школьников (любопытно, что у парней все лица заретушированы — открытыми остались только лица девушек).
Туго пришлось не только деятелям искусства и вымышленным персонажам — государственные работники тоже примерили на себя абстрактные маски (кто-то скажет, что так даже и лучше). Так, на площади Независимости Ленин, дающий напутствие большевикам перед отправкой на войну с белополяками, буквально потерял лицо. А на улице Комсомольской на здание КГБ смотрит не «железный» Феликс Дзержинский, а еще один безликий бюст.
На углу улиц Ленина и Карла Маркса стоит знаменитый «писательский» дом, украшенный десятком мемориальных табличек. Алгоритмы посчитали, что самым живым среди них является барельеф Петруся Бровки (литературный музей которого аккурат в этом здании и расположен) — и размыли его лицо. Ни Червяков, ни Дзержинский по бокам от Бровки, ни другие лица на остальных барельефах не пострадали.
Да что там барельефы! Досталось и знаменитым мозаикам, и даже афишам. Вот, например, у цирка афиша: гастроли театра Вахтангова. Как выглядят заезжие звезды — зрителю Яндекс-Панорам знать незачем.
А вот знаменитые мозаики Александра Кищенко на высотках в микрорайоне Восток. Алгоритмы замазали лица на трех из них — причем все три раза это мать за спиной у мальчика. Портрет Гагарина и остальные персонажи, а также четвертая высотка (на углу с улицей Калиновского) нейросеть не триггернули. Другие мозаики Кищенко («Октябрь» на Кальварийской и «Беларусь партизанская» на ресторане гостиницы «Турист») алгоритмам тоже не приглянулись.
Флеш-рояль собрал Национальный художественный музей на улице Ленина. Здесь алгоритмы подретушировали сразу пять объектов: изваяния «Скульптура» и «Живопись» по бокам от входа (авторства Сергея Адашкевича и Павла Белоусоав, а также братьев Марка и Лейбы Роберманов), скульптуру «Слава» на портике (Андрей Бембель), а заодно репродукции иконы «Маці Божая Замілаванне» и картины «Портрет неизвестной с цветами и фруктами» (Иван Хруцкий) на рекламном баннере.
Из двенадцати персонажей на фронтоне и крыше главного фасада Дворца культуры профсоюзов программа заштриховала троих (и еще одного на заднем фасаде).
В общем, о чем говорить, если программа замазала даже лица у первого в мире памятника программистам на Партизанском проспекте — скульптуры Леонида Зильбера «Труд» (другое название — «Наука») 1975 года. У парня в руках — осциллограф, у девушки — перфолента с программой. Наверняка более стабильной, чем та, что на панорамах замазывает лица людей и попутно захватывает скульптуры.
Вы дочитали этот материал до конца. Если вы здесь оказались, значит, скорее всего, вас что-то зацепило. Потратьте еще 30 секунд, пожалуйста.
Беларуское ИТ нельзя представить без dev.by.
Мы уже почти 15 лет делаем важные и честные материалы, помогаем каждому из вас делиться профессиональным опытом и мнениями, робім беларускую версію. Мы радовались успехам индустрии вместе, обращали внимание на несправедливость, даём слово каждому.
Сегодня редакция dev.by — команда удалённых беларусов из 10 человек. Ещё у нас есть менеджмент, бэкофис и, конечно, технические специалисты. У нас 600+ тысяч читателей каждый месяц и десятки тысяч в телеграм-каналах и социальных сетях. Мы выпускаем 300+ новостей и больших текстов, вроде того, что вы только что читали. Все беларуские медиа цитируют dev.by.
У всех тёмные времена. И мы идём через идеальный шторм вместе с комьюнити. Наши рекламные доходы, которые были источником финансирования редакции, сократились в несколько раз.
При этом мы уверены, что тем более важно продолжать оставаться местом встречи беларусского ИТ-сообщества — всех, кто остаётся и уезжает.
Вы можете нам помочь. В конце прошлого года мы запустили подписную кампанию — начали собирать донаты от читателей. Мы хотим в 2023 собрать 1000 читателей-подписчиков. Сейчас их 170.
Помочь нам можно через Patreon. Сейчас средний чек — около 10$, но мы рады любой сумме. Ежемесячные платежи делают наши планы более предсказуемыми, но вы сами смотрите, как вам удобно 🙂
В Беларуси Patreon заблокирован.
Мы будем добавлять другие способы.
Спасибо, что прочитали это сообщение.
Купить СyberGhost VPN.
Скидка 84% и 3 месяца бесплатно.
Как размыть лица на iPhone В 2023 году
Если вы хотите защитить чью-то личность в видео или фотографии на своем iPhone, возможно, вы ищете способы размыть лица на iPhone.
Независимо от того, являетесь ли вы журналистом, заинтересованным гражданином или просто тем, кто хочет сохранить конфиденциальность своих близких, размытие лиц на вашем iPhone — это простой процесс.
Существует несколько способов размыть лица на вашем iPhone, в том числе с помощью сторонних приложений, встроенных инструментов редактирования и ярлыков.
С помощью подходящего приложения или инструмента вы можете легко выбрать область видео или фотографии, которую хотите размыть, и отрегулировать интенсивность эффекта.
В этой статье мы расскажем вам о различных методах, которые вы можете использовать для размытия лиц на вашем iPhone.
Мы расскажем о плюсах и минусах каждого метода, а также предоставим пошаговые инструкции, которые помогут вам начать работу.
Независимо от того, являетесь ли вы новичком или опытным пользователем iPhone, вы найдете информацию, необходимую для размытия лиц и защиты конфиденциальности людей на вашем iPhone.
Содержание
Как размыть лица на iPhone
Использование встроенного приложения для фотографий
Если вы не хотите загружать сторонние приложения, вы можете легко размыть лица на фотографиях с помощью встроенного Приложение «Фотографии» на вашем iPhone.
Вот как:
- Откройте приложение «Фотографии» и выберите фотографию, которую хотите отредактировать.
- Нажмите кнопку «Изменить» в правом верхнем углу.
- Нажмите кнопку «…» в правом верхнем углу и выберите «Разметка».
- Нажмите кнопку «+» в правом нижнем углу и выберите «Размытие».
- Пальцем перетащите кружок на лицо, которое хотите размыть.
Вы можете отрегулировать размер круга, сводя или расширяя его двумя пальцами. - Когда закончите, нажмите «Готово» в правом верхнем углу.
- Нажмите «Сохранить», чтобы сохранить отредактированную фотографию в фотопленку.
Вы можете отрегулировать размер круга, сводя или расширяя его двумя пальцами.Вот оно! Вы успешно размыли лицо на фотографии с помощью встроенного приложения «Фотографии» на iPhone.
Имейте в виду, что этот метод может быть не таким точным, как использование стороннего приложения, но это быстрый и простой вариант, если вам просто нужно быстро размыть лицо.
Способ 2. Использование сторонних приложений
Если вам нужны более продвинутые функции и параметры, в App Store доступно несколько сторонних приложений, которые помогут размыть лица на фотографиях iPhone.
Вот некоторые из самых популярных:
Pixelate
Pixelate — это простое и удобное в использовании приложение, которое позволяет пикселизировать или размывать лица на фотографиях.
Он предлагает различные эффекты пикселизации и размытия, а также возможность регулировать размер и интенсивность эффекта.
Blur
Blur — еще одно популярное приложение, позволяющее размыть лица на фотографиях.
Он предлагает ряд эффектов размытия, включая размытие по Гауссу и размытие в движении, а также возможность регулировать интенсивность и размер эффекта.
Мозаика
Мозаика — это уникальное приложение, позволяющее создавать на фотографиях эффект мозаики, который можно использовать для размытия лиц или другой конфиденциальной информации.
Он предлагает ряд стилей мозаики и возможность регулировать размер и интенсивность эффекта.
Blackout
Blackout — мощное приложение, позволяющее полностью затемнить лица на фотографиях.
Он предлагает ряд стилей затемнения, а также возможность регулировать размер и интенсивность эффекта.
Распознавание лиц
Некоторые сторонние приложения, такие как Facetune и TouchRetouch, предлагают усовершенствованную технологию распознавания лиц, которая позволяет легко выбирать и размывать лица на фотографиях.
Эти приложения также предлагают ряд других инструментов и функций редактирования.
Редактирование вручную
Если вы предпочитаете больший контроль над процессом редактирования, вы можете использовать приложение для редактирования фотографий, такое как Photoshop Express или Snapseed, чтобы вручную размыть лица на фотографиях.
Эти приложения предлагают ряд инструментов и функций редактирования, в том числе возможность регулировать размер и интенсивность эффекта размытия.
Пакетная обработка
Если у вас есть большое количество фотографий, которые необходимо отредактировать, вы можете использовать приложение для пакетной обработки, такое как PhotoBulk или BatchPhoto, чтобы быстро и легко размыть лица на нескольких фотографиях одновременно.
Параметры общего доступа
После того как вы отредактировали свои фотографии, большинство сторонних приложений позволяют легко делиться ими в социальных сетях или сохранять их в фотопленку.
Некоторые приложения также позволяют сохранять отредактированные фотографии в облаке или делиться ими напрямую с другими пользователями.
Ключевые выводы
Размытие лиц на iPhone — это быстрый и простой способ защитить конфиденциальность людей на фотографиях, которые вы публикуете в Интернете. Вот несколько основных выводов, о которых следует помнить:
- Вы можете использовать встроенные инструменты редактирования в приложении «Фотографии», чтобы размыть лица на уже сделанных фотографиях.
- Портретный режим — отличный вариант для размытия лиц в режиме реального времени во время фотосъемки.
- Ярлык «Размытие лиц» в приложении «Ярлыки» может сэкономить ваше время, автоматизируя процесс размытия лиц на нескольких фотографиях.
- Также доступны сторонние приложения, такие как Blur Photo Editor, которые предлагают более продвинутые параметры размытия.
Помните, что размытие лиц не является надежным и может не полностью защитить чью-либо личность.
Прежде чем публиковать какие-либо фотографии в Интернете, важно всегда руководствоваться здравым смыслом и учитывать возможные последствия.
Как размыть лица людей на фотографиях: решение для размытия лиц Толока
Толока предоставляет простой способ сбора данных об офлайн-мире. Когда вам нужны изображения определенных мест, таких как здания или улицы, вы можете попросить наших толокеров взять свои телефоны iOS или Android и сделать несколько снимков. Сложность заключается в том, что иногда на фотографиях запечатлены ничего не подозревающие прохожие, и мы несем ответственность за защиту их конфиденциальности. Ставим напоминание в приложения и советуем толокерам быть осторожными, но случайные фотобомбы случаются!
Чтобы избежать вторжения в частную жизнь случайных людей, мы могли бы обнаруживать лица и размывать их на стороне сервера. Но с точки зрения безопасности это будет означать, что фотография с потенциально конфиденциальными данными должна сначала пройти весь путь до нашего бэкэнда.
У нас есть лучшее решение, которое выполняет анонимизацию прямо в наших мобильных приложениях — так что ни одно лицо не покидает устройство Толокера.
В этой записи блога мы поговорим об увлекательном мире мобильного распознавания лиц на основе машинного обучения, инструментах, с помощью которых это происходит, и неожиданных результатах, которые мы получили.
Обнаружение лиц
Когда мы только начинали, наши ожидания от детектора лиц были довольно расплывчатыми:
- Что-то вроде машинного обучения (считается, что сегодняшние модели, обученные на очень больших наборах данных лиц, обнаруживают объекты так же эффективно, как и люди).
- Распространяется по лицензии, позволяющей использовать его в Толоке.
- Быстро распознает лица, чтобы Толокерам не приходилось ждать.
Судя по всему, любое другое приложение для редактирования фотографий сегодня способно распознавать лица, поэтому мы были уверены, что найдем множество инструментов, соответствующих нашему короткому списку требований.
Однако это было не более чем оптимистичным — и довольно наивным — предположением.
Большинство этих приложений могут быстро и точно распознавать лица, но только когда дело доходит до селфи. Нашей основной целью было обнаружить лица меньшего размера, случайно попавшие в кадр, не сфокусированные или разбросанные по всему изображению.
Поэтому мы добавили еще одно требование:
- Детектор должен уметь находить маленькие лица, занимающие менее 5% фотографии.
Встроенные фреймворки, такие как Vision от Apple и FaceDetector от Android, отлично справлялись с селфи, но не распознавали «случайные лица», поэтому мы обратились к сторонним решениям.
Описание нашей задачи почти идеально совпало с проектом Анонимайзера, разработанным компанией feel.ai. Их модель с открытым исходным кодом обучена обнаруживать все, что может нарушить Общее положение о защите данных.
Эта модель была как раз то, что нам было нужно. Чтобы попробовать, нам пришлось преобразовать его в формат, понятный нашим мобильным приложениям.
Но даже с последующей оптимизацией, значительно уменьшившей его размер, мы все равно получили модель размером 180 МБ.
Для сравнения: все приложение Толоки для Android занимает всего 40 МБ:
Мы рассмотрели еще несколько решений, изначально подготовленных для работы на серверах, но безуспешно. Они тоже были слишком тяжелыми.
Это привело нас к тому, что мы добавили в наш список пожеланий еще одну вещь:
- Детектор, способный находить маленькие лица, также должен быть небольшого размера.
Мы решили найти что-то, что можно было бы не только трансформировать для мобильных устройств, но и изначально обучать использованию мобильных устройств.
На этом этапе мы также определили «быстрое обнаружение» как целевое значение 1 секунда. Это решение было основано на опубликованных тестах для мобильных детекторов лиц и с учетом того, что наши входные фотографии будут значительно больше, чем изображения, обычно используемые для оценки скорости и точности распознавания лиц.
GitHub предложил множество результатов поиска для «Mobile Face Detection», но большинство из них не соответствовало нашим требованиям, потому что они:
- Имели непонятную лицензию.
- Старые и неподдерживаемые.
- Были обучены распознавать селфи.
В итоге мы выбрали «Сверхлегкую модель распознавания лиц». Модель должна была занимать всего 1 МБ места и выполняться за миллисекунды. Быстрая, легкая, мобильная и в комплекте с активным сообществом — модель казалась хорошим выбором.
Несмотря на то, что модель была обучена для работы на мобильных устройствах, она по-прежнему требовала некоторой доработки с нашей стороны. Мы перевели его в нужный формат, подготовили входные фотографии и научились интерпретировать результаты. На самом деле это было наше первое рабочее решение, поэтому мы были очень рады видеть, что (а) оно нашло все различимые лица, которые были показаны, и (б) сделало это всего за 100 миллисекунд.
Единственным недостатком модели были входные требования: она не могла обрабатывать изображения размером более 640 × 480 пикселей, что как минимум в 5 раз меньше средних фотографий Толокера.
Это означало, что перед запуском детектора нам нужно было уменьшить размер фотографий, превратив маленькие лица в буквальные пиксели, которые модель не могла обнаружить.
Стремясь к более точному обнаружению, мы попробовали разделить фотографии на перекрывающиеся части. Получилось 10 изображений вместо 1:
И вот так 100 миллисекунд превратились в целую секунду. Модель требовала больше времени, чтобы разбить изображение на сегменты, и дополнительного кода, чтобы снова собрать их вместе. Решили продолжить поиски.
Следующим нашим выбором был MLKit от Google.
Это SDK с множеством встроенных моделей, включая модель для распознавания лиц. В документации говорилось, что MLKit может находить лица размером всего 100 × 100 пикселей, что вполне соответствовало нашим требованиям. Никакого дополнительного конвертирования или оптимизации не потребовалось, поэтому мы сразу же опробовали его: MLKit на самом деле распознавал лица даже меньшего размера (самое маленькое в нашем тесте было 27×27 пикселей).
Это позволило нам уменьшить размер входной фотографии до обнаружения без снижения желаемого уровня точности и получить ровно 1 секунду на нашем среднем устройстве.
Что нам понравилось еще больше, так это возможность изменить самый маленький размер лица. Это очень кстати, потому что наши толокеры владеют широким спектром устройств, которые можно условно разделить на две группы по производительности:
No-bros оснащены всего 1 ГБ оперативной памяти, и их лучшие времена давно прошли. Для этих старых моделей мы увеличили требование к размеру лица до 10 %, в то время как бро-телефоны по-прежнему должны были находить крошечные лица, занимающие всего 5 % изображения. Это казалось хорошим компромиссом между потерей некоторой точности и сохранением временных рамок в одну секунду.
Теперь все было готово для создания прототипа приложения для iOS. Мы снабдили его предварительно размеченными фотографиями (чтобы сравнить то, что MLKit смог обнаружить, с тем, что мы смогли найти вручную), передали его нашим тестировщикам и собрали следующую статистику:
Первый синий столбец — процент лиц, обнаруженных MLKit.
по отношению к количеству обнаруженных нами лиц. Наша маркировка была полным излишеством, так как мы включали лица, которые были почти неразличимы:
Вот почему мы согласились, что 50% для медленных устройств в 25-м процентиле было приемлемым результатом. Что касается времени во второй синей колонке, MLKit работал в пределах нашего целевого периода времени в 75-м процентиле. Таким образом, MLKit удовлетворил все наши требования к производительности — и это не сильно увеличило размер наших приложений.
Мы также собрали статистику для Android. Но поскольку было не так очевидно, как отличить телефоны Android с точки зрения производительности, на каждом устройстве мы собрали не менее 10 записей скорости его обнаружения. Затем, основываясь на среднем значении, мы отметили это устройство как быстрое или медленное и использовали подходящую конфигурацию MLKit. С этой настройкой статистика Android показала аналогичные результаты, и MLKit был единогласно признан победителем нашего конкурса детекторов лиц.
Размытие
Первая часть нашего расследования была завершена, и теперь нам нужно было решить, как размыть обнаруженные лица, не увеличивая слишком много времени на односекундное обнаружение.
Сначала мы попытались собрать маску по координатам, собранным с детектора, и размыть только чувствительные области. Нам понравилось это очевидное решение, но нас не очень обрадовало время его выполнения, которое достигло пика в 2 секунды. Чем больше лиц было на изображении, тем сложнее должна была быть маска и тем больше времени уходило на ее обработку.
Затем мы попытались вырезать лица по одному, поставить их в ряд, размыть и вернуть обратно на исходную фотографию. Это работало быстрее, но операция двойного вырезания и вставки по-прежнему занимала слишком много времени, а размытие было недостаточным.
Затем мы попробовали более простой подход: размыть всю картинку, вырезать размытые лица и склеить их обратно за один проход. К нашему удивлению, этот метод оказался самым быстрым, занимая всего 0,4 секунды на фотографию.
Формально вторая часть нашего расследования была завершена. Однако мы не смогли определиться с универсальным радиусом, который одинаково хорошо работал бы для всех граней. Радиус, который хорошо размывал маленькие лица, плохо работал на больших лицах, а радиус, подходящий для больших лиц, превращал маленькие в серые прямоугольники:
Поэтому мы остановились на следующем алгоритме:
- Разделим все лица на три группы в зависимости от их размера: маленький — средний — большой.
- Используйте три разных значения радиуса для размытия исходных фотографий в группах.
- Вырежьте лица из размытых изображений и верните их в оригинал.
Как вы могли заметить, теперь мы выполняем операцию размытия три раза вместо одного. Чтобы компенсировать это, мы попытались уменьшить нашу исходную фотографию еще три раза после обнаружения и использовали уменьшенную версию только для размытия. Вот почему это уменьшение не ухудшает качество результирующего изображения и позволяет нам оставаться в пределах 0,4 секунды на размытие, производя при этом гораздо более приятный результат:
Это положило конец нашему расследованию и выбору инструментов.
Мы собрали все воедино, убедились, что анонимизация не активируется в некоторых типах задач (например, явно требующих селфи), выкатили релизы на iOS и Android и приготовились наконец-то увидеть свое творение в руках настоящих Толокеры.
Конечно, самой ожидаемой цифрой было общее время, необходимое для обнаружения и размытия лиц на каждой фотографии. Мы были рады видеть, что он не превысил 1,5 секунды в 75-м процентиле.
Но нас также интересовало, сколько лиц нам удалось анонимизировать. Вот круговая диаграмма, показывающая количество лиц на фотографии за первый месяц производства:
Оранжевая секция соответствует 0 лицам. Остальные разделы содержат все возможные количества детектируемых лиц до 100.
В первый же день релиза iOS нам кто-то прислал фото с 17 лицами, хотя мы специально просим толокеров этого не делать. Мы никогда не узнаем, что именно было изображено на этой фотографии, но есть вероятность, что она была совершенно невинной. Одну из наших QA-менеджеров позабавило, как приложение обработало фотографию, сделанную в магазине одежды, — оно размыло все лица, напечатанные на упаковке женских колготок.
