Dorsal Hand Images for Immersive (XR) and Privacy-preserving Age Assurance and Child Safety
本文提出使用由 XR 头显摄像头捕捉的手背图像，作为一种用于持续年龄验证的兼具隐私保护与沉浸感的面部识别替代方案，并通过一个多样化的数据集证明，该方法能够有效地在 18 岁的阈值上区分未成年人与成年人，且对肤色变化具有鲁棒性。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在快速扩张的虚拟现实世界中，用户戴上头显即可步入数字世界，然而一个持久的安全挑战也随之而来：如何确保儿童不会接触到专为成年人设计的场景或互动。目前的规则要求平台验证用户的年龄，但现有的方法往往既笨拙又具有侵入性。标准做法依赖于面部识别，要求用户摘下头显，用手机拍一张自拍照并上传给第三方。这个过程破坏了“临场感”，迫使用户脱离沉浸式体验，并因向外部公司分享敏感的面部数据而引发严重的隐私担忧。此外，一旦用户进入会话，目前还没有简单的方法来持续检查佩戴头显的人是否仍是最初注册的那个人，这导致了未成年人可能溜进仅限成年人空间的漏洞。
研究人员早已知晓，人类手背皮肤的随年龄增长而发生的变化具有可预测性，例如出现皱纹、纹理变化以及静脉变得更加清晰。虽然这些迹象在医学研究中已有详尽记载，但作为一种数字年龄验证工具（尤其是区分青少年与成年人）却鲜少得到测试。格林威治大学的一组研究人员现在正在探索，利用虚拟现实头显内置的摄像头自然捕捉到的手背图像，是否可以作为一种可靠且保护隐私的方式，在无需展示脸部的情况下进行年龄核验。
研究人员着手建立一个新的数据集来测试这一想法，因为他们意识到以往的研究要么仅针对成年人，要么是在无法反映真实使用情况的受控实验室环境中进行的。他们招募了436名参与者，年龄从10岁到67岁不等，确保了年龄、性别和肤色的均衡分布。目标是捕捉模拟用户实际使用虚拟现实设备时的图像：即在多变的光照条件下自由举起手，而不使用特殊设备来固定手部或标准化光照。研究团队使用 Meta Quest 3 头显，引导参与者将手置于特定的观察区域，捕捉他们在虚拟世界中自然交互时的手背图像。这产生了几千张反映了日常使用中混乱且多变现实的图像，而非医学诊所里那种完美理想的条件。
利用这组多样化的图像集，团队训练了多个不同的计算机系统来学习区分儿童与成年人。他们测试了各种类型的人工智能模型，从标准网络到旨在处理复杂模式的高级模型，要求它们预测照片中人物的年龄。结果显示，这些系统确实能够以相当高的准确度区分未成年人和成年人。表现最好的模型在预测具体年龄时，平均误差约为五岁又四分之三岁。虽然对于猜测精确生日而言，这似乎是一个较大的误差范围，但研究人员并不关注具体的数字，而是更关注一个二元决策：这个人是否年满18岁？
当系统被调校得非常谨慎，以确保不让儿童进入成年人空间时，它表现出了极高的可靠性。通过设置严格的阈值，该系统可以有效地拦截所有未成年人，充当强大的第一道过滤器。研究人员发现，该系统在不同肤色之间表现一致，没有表现出对深色或浅色皮肤人群的明显偏见。这是一个至关重要的发现，因为许多年龄验证工具在不同人群间的公平性方面表现欠佳。研究还表明，在单次会话期间拍摄多张手部照片并结合结果，可以使系统的准确性更高，将出错概率降至针对最年轻青少年几乎为零，同时仍允许大部分成年人在无需进一步验证的情况下通过。
这项工作的意义不仅在于提高准确性，更触及了数字空间中隐私这一根本问题。与在公共生活和社交媒体上随处可见的脸部不同，手背很少被拍照或分享。如果手部图像泄露，与脸部相比，第三方很难将其与特定个体联系起来。这使得手部成为保护儿童的一种更安全的生物识别工具，因为它允许平台在无需收集曾导致众多数据泄露事件的敏感面部数据的情况下验证年龄。研究人员建议，这种方法可以直接集成到虚拟现实会话中，在用户与世界交互的过程中进行持续且被动的年龄检查，而无需要求他们摘下头显或中断体验。
虽然该研究并未声称这种方法是应对每种场景的完美独立解决方案，但它确立了手背携带足够的生物学信息，足以作为一种可行且保护隐私的年龄确认工具。这项工作填补了该领域的一个关键空白，即证明了这些方法可以在儿童与成年人之间的界限上发挥作用，而这一阶段的视觉衰老迹象往往较为微妙且不一致。通过证明标准人工智能模型可以从非受控光照下的图像中学习这些细微特征，研究人员为创造更安全、更具沉浸感的数字环境提供了一条具体的路径，让儿童能够在不牺牲隐私或临场感的前提下得到保护。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。