Ứng dụng phân tích da và thử màu trang điểm bằng AI dễ đọc lệch da người Việt vì hai lý do chính: dữ liệu dùng để huấn luyện mô hình thường không có đủ ảnh làn da giống bạn, và khâu tự cân bằng màu của camera lẫn phần mềm có thể kéo tông da về một chuẩn trung bình không phải của bạn. Kết quả là vết thâm bị bỏ sót hoặc phóng đại, màu da tự nhiên bị gọi là “xỉn” hay “không đều”, màu kem nền gợi ý sáng hơn hoặc ngả sai sắc.
Điều này không có nghĩa là mọi ứng dụng đều vô dụng với người châu Á. Nó có nghĩa là bạn cần biết chỗ nào nên nghi ngờ và có cách tự đối chiếu. Bài này giải thích nguồn gốc của sự lệch, chỉ ra những tình huống hay gặp với làn da phổ biến ở Việt Nam, và đưa ra vài phép thử đơn giản bạn tự làm được ở nhà.
Mô hình học từ ảnh nào thì nhìn giỏi kiểu da đó
Một mô hình nhận diện vết thâm, nốt mụn hay nếp nhăn học bằng cách xem hàng chục nghìn ảnh đã được người gắn nhãn. Nếu phần lớn ảnh đó là da sáng, mô hình quen với cảnh một vết thâm nâu nổi rõ trên nền hồng nhạt. Trên nền da ngăm hơn, độ chênh giữa vết thâm và da xung quanh nhỏ hơn, và mô hình chưa từng được dạy kỹ cách nhận ra chênh lệch đó. Nó có thể bỏ sót hoàn toàn, hoặc đếm cả những vùng chỉ hơi đậm tự nhiên.
Giới nghiên cứu da liễu và thị giác máy tính đã nhiều lần chỉ ra rằng các bộ ảnh da công khai thiên về da sáng, và nhiều tài liệu y khoa minh hoạ bệnh da chủ yếu bằng ảnh da sáng. Mức độ thiên lệch cụ thể khác nhau giữa các bộ dữ liệu và thay đổi theo thời gian, nên bài này không đưa ra con số. Điều đáng giữ lại là nguyên lý: một ứng dụng không công bố dữ liệu huấn luyện gồm những ai thì bạn không có cơ sở để mặc định nó đã học đủ kiểu da của bạn.
Thêm một điểm ít người nghĩ tới: ngay cả khi có ảnh da châu Á, nhãn do ai gắn cũng quan trọng. Người gắn nhãn quen với da sáng có thể khoanh vùng thâm trên da ngăm không nhất quán. Sai ở khâu nhãn sẽ thành sai của mô hình, dù kiến trúc mô hình có tốt đến đâu.
Khâu cân bằng màu kéo da bạn về đâu
Camera tự đoán màu trắng. Khi chụp, điện thoại phải đoán nguồn sáng là gì để chỉnh màu. Nếu khung hình nhiều mảng da, máy có thể hiểu nhầm và kéo cả ảnh ngả lạnh hoặc ấm. Da ngả vàng tự nhiên, rất phổ biến ở người Việt, đôi khi bị chỉnh thành xám hoặc hồng.
Ứng dụng chuẩn hoá thêm một lần nữa. Nhiều ứng dụng soi da tự chỉnh sáng và màu trước khi phân tích để các ảnh giống nhau hơn. Nếu thuật toán chuẩn hoá dựa trên một tông da “trung bình” lấy từ dữ liệu nghiêng về da sáng, ảnh của bạn bị kéo về phía đó, và vùng da tự nhiên đậm hơn trông như vùng bất thường.
Bộ lọc làm đẹp mặc định làm sáng da. Ở nhiều điện thoại, chế độ làm đẹp tăng sáng và làm hồng da theo mặc định. Ảnh qua bộ lọc này rồi mới vào ứng dụng phân tích thì kết quả phản ánh chuẩn đẹp của bộ lọc, không phải da bạn.
Thử màu kem nền ảo bị ảnh hưởng nặng nhất. Thử trang điểm thực tế ảo phải đoán màu da gốc để chồng màu kem lên. Đoán lệch nửa tông là gợi ý lệch nửa tông. Đây là lý do nhiều người mua kem nền theo gợi ý ảo rồi thấy mặt trắng hơn cổ.
Những tình huống hay lệch với làn da phổ biến ở Việt Nam
Da người Việt rất đa dạng, nhưng có vài đặc điểm thường gặp mà ứng dụng thiết kế cho thị trường khác dễ xử lý không khéo. Bảng dưới mô tả ở mức nguyên lý, không thay chẩn đoán của bác sĩ.
| Đặc điểm | Ứng dụng có thể đọc thành | Nên hiểu thế nào |
|---|---|---|
| Da có sắc vàng, ô liu tự nhiên | Da xỉn, thiếu sức sống, tông không đều | Đó là sắc tố nền, không phải vấn đề cần sửa |
| Thâm sau mụn, thâm sau viêm kéo dài | Có khi bị bỏ sót, có khi bị gọi là nám hay đốm nắng | Da châu Á dễ để lại thâm sau viêm; tên gọi đúng cần bác sĩ |
| Mảng sẫm màu đối xứng ở gò má | Đốm nâu chung chung, gợi ý sản phẩm làm trắng | Mảng sẫm kéo dài, lan rộng nên đi khám, đừng tự điều trị theo gợi ý |
| Quầng mắt sẫm do sắc tố hoặc do cấu trúc | Quầng thâm do thiếu ngủ | Nhiều nguyên nhân khác nhau, ứng dụng không phân biệt được |
| Da đỏ khó nhận ra trên nền da ngăm | Không có dấu hiệu kích ứng | Cảm giác rát, ngứa, nóng quan trọng hơn màu trên ảnh |
Điểm cần lưu ý ở dòng thứ ba: nhiều gợi ý mua hàng đẩy nhanh về sản phẩm làm sáng da. Một mảng sẫm màu có nhiều nguyên nhân, cách xử lý khác nhau, và một số sản phẩm trôi nổi quảng cáo làm trắng nhanh có thể gây hại. Danh mục đọc thành phần mỹ phẩm trên trang có bài riêng về chuyện này.
Ba phép thử đơn giản để biết ứng dụng có hợp với da bạn không
Bạn không cần hiểu mô hình bên trong mới đánh giá được nó. Mấy phép thử dưới đây làm ở nhà trong một buổi:
- Phép thử ổn định: chụp ba ảnh liên tiếp trong cùng điều kiện ánh sáng, cách nhau một phút. Nếu điểm vết thâm hay độ đều màu nhảy mạnh giữa ba ảnh, ứng dụng đang phản ứng với nhiễu chứ không với da.
- Phép thử ánh sáng: chụp một ảnh dưới ánh sáng ban ngày tản đều, một ảnh dưới đèn vàng. Nếu kết quả chuyển từ “đều màu” sang “nhiều đốm” chỉ vì đổi đèn, bạn biết khâu cân bằng màu của ứng dụng yếu với tông da của mình.
- Phép thử đối chiếu mắt thường: in hoặc mở ảnh có đánh dấu của ứng dụng, đứng trước gương dưới ánh sáng ban ngày và đối chiếu từng vùng được khoanh. Đếm xem bao nhiêu vùng bạn đồng ý, bao nhiêu vùng là bóng, lông mày, chân tóc hay sắc tố tự nhiên.
Nếu ứng dụng trượt cả ba phép thử, đó không phải lỗi của da bạn. Bạn có thể tiếp tục dùng nó như công cụ chụp ảnh đều đặn, nhưng bỏ qua phần điểm và gợi ý. Nếu nó qua được, kết quả vẫn chỉ để tham khảo, nhưng ít nhất bạn biết sai số đang ở mức nào.
Một ứng dụng làm ăn tử tế thường công khai những gì
Bạn không xem được mã nguồn hay dữ liệu huấn luyện, nhưng có thể nhìn vào mức minh bạch của nhà phát triển. Trước khi tin một ứng dụng phân tích da, đọc phần giới thiệu, câu hỏi thường gặp và chính sách quyền riêng tư để tìm các điểm sau:
- Mô tả, dù ngắn, về nguồn ảnh dùng để huấn luyện và độ đa dạng tông da, độ tuổi, giới tính trong đó.
- Câu nói rõ ứng dụng không phải thiết bị y tế, không dùng để chẩn đoán, kèm lời khuyên gặp bác sĩ khi có vấn đề.
- Hướng dẫn điều kiện chụp cụ thể, cho thấy nhà phát triển biết kết quả phụ thuộc ánh sáng.
- Tách bạch phần phân tích với phần gợi ý mua hàng, hoặc ít nhất ghi rõ đâu là sản phẩm được tài trợ.
- Cách xoá ảnh và lịch sử phân tích, cách từ chối cho dùng ảnh để huấn luyện.
- Kênh để người dùng báo kết quả sai, nhất là sai với tông da của họ.
Ứng dụng thiếu gần hết các điểm trên không hẳn là ứng dụng xấu, nhưng nó cho bạn ít cơ sở để tin. Ngược lại, có đủ các điểm này cũng không đảm bảo kết quả đúng với da bạn; nó chỉ cho thấy nhà phát triển hiểu giới hạn của sản phẩm mình và chịu nói ra. Ba phép thử ở mục trên vẫn là bước không bỏ được.
Chọn màu kem nền khi máy gợi ý lệch
Thử màu ảo tiện cho việc thu hẹp lựa chọn, nhưng quyết định cuối nên dựa vào da thật. Một vài cách đối chiếu:
- Đọc gợi ý của ứng dụng như một khoảng, không phải một màu duy nhất. Lấy màu gợi ý cùng hai màu kề bên để thử.
- Thử trên đường viền hàm, chỗ chuyển từ mặt xuống cổ, không thử trên mu bàn tay. Da tay thường khác màu da mặt.
- Xem dưới ánh sáng ban ngày gần cửa sổ, chờ vài phút cho kem nền ổn định màu rồi mới quyết.
- Chú ý sắc nền: da ngả vàng ấm hợp với kem nền có sắc vàng hơn là sắc hồng, dù độ sáng bằng nhau.
- Nếu mua trực tuyến theo gợi ý ảo, đọc chính sách đổi trả và hỏi xem cửa hàng có mẫu thử nhỏ không.
Chuyên viên trang điểm có kinh nghiệm với da người Việt vẫn là nguồn tham khảo tốt hơn bất kỳ thuật toán nào hiện nay. Thử màu ảo nên đứng sau, giúp bạn chuẩn bị câu hỏi hoặc loại bớt những màu rõ ràng không hợp.
Đừng để thuật toán định nghĩa thế nào là da đẹp
Một hệ quả tinh tế hơn của thiên lệch dữ liệu là nó âm thầm áp một chuẩn đẹp. Khi ứng dụng liên tục chấm điểm thấp cho sắc vàng, cho màu da ngăm, cho đốm tàn nhang, người dùng dễ tin rằng làn da tự nhiên của mình là thứ cần sửa. Với người trẻ, nhất là tuổi dậy thì, thông điệp này có thể ảnh hưởng tới cách các em nhìn bản thân.
Làn da khoẻ mạnh không đồng nghĩa với làn da trắng, mịn, không tì vết như ảnh quảng cáo. Da khoẻ là da không đau, không ngứa, không viêm kéo dài, tự hồi phục sau những tổn thương nhỏ. Mục tiêu chăm sóc da hợp lý xoay quanh những điều đó, không xoay quanh việc đuổi theo điểm số của một thuật toán học từ ảnh người khác.
Nếu bạn để ý thấy mình hay buồn bực, lo âu vì kết quả soi da, mất nhiều thời gian chụp đi chụp lại, đó là lúc nên tạm xoá ứng dụng. Nếu cảm giác lo lắng về ngoại hình kéo dài và ảnh hưởng tới học tập, công việc, hãy tìm chuyên gia tâm lý để được hỗ trợ.
Câu hỏi thường gặp
Có ứng dụng phân tích da nào được làm riêng cho người châu Á không?
Có những ứng dụng quảng bá là huấn luyện thêm bằng ảnh da châu Á, nhưng người dùng thường không kiểm chứng được tuyên bố đó. Cách thực tế là tự làm các phép thử ổn định, ánh sáng và đối chiếu mắt thường trước khi tin kết quả, bất kể ứng dụng quảng cáo gì.
Thang Fitzpatrick là gì và có dùng được để chọn ứng dụng không?
Thang Fitzpatrick do bác sĩ da liễu Thomas Fitzpatrick đề xuất năm 1975, chia da thành sáu nhóm theo cách da phản ứng với nắng: dễ cháy hay dễ rám. Thang này hữu ích trong y khoa nhưng không mô tả hết sắc nền da, nên chỉ là một mảnh thông tin khi đọc kết quả ứng dụng.
Vì sao gợi ý màu kem nền của ứng dụng luôn sáng hơn da thật?
Thường do camera và bộ lọc làm sáng da trước khi ứng dụng đoán màu, cộng với việc mô hình có thể quen với dữ liệu da sáng hơn. Tắt chế độ làm đẹp, chụp dưới ánh sáng ban ngày và thử thực tế trên đường viền hàm sẽ giúp bạn chọn sát hơn.
Ứng dụng nói da có nhiều đốm nâu thì có phải là nám không?
Không thể kết luận từ ứng dụng. Đốm nâu có thể là thâm sau mụn, tàn nhang, đốm do nắng, nám hay một tình trạng khác, và mỗi loại xử lý khác nhau. Mảng sẫm màu kéo dài, lan rộng hoặc thay đổi nhanh nên được bác sĩ da liễu khám trực tiếp.
Nhà phát triển ứng dụng có nghĩa vụ công bố dữ liệu huấn luyện không?
Với ứng dụng làm đẹp phổ thông, thường không có yêu cầu bắt buộc công bố chi tiết dữ liệu huấn luyện, và nhiều bên coi đó là bí mật kinh doanh. Ứng dụng nào công khai cách thu thập dữ liệu và độ đa dạng của mẫu là điểm cộng về minh bạch, dù vẫn cần bạn tự kiểm.
Da ngăm có cần chăm sóc khác da sáng khi dùng gợi ý của AI không?
Nguyên tắc nền giống nhau: làm sạch dịu, dưỡng ẩm, chống nắng. Điểm khác là da sẫm màu dễ để lại thâm sau viêm, nên tránh chà xát mạnh và sản phẩm gây kích ứng. Gợi ý tự động không biết cơ địa của bạn, nên thử sản phẩm mới trên vùng nhỏ trước.