AI整容检测分析工具：基于解剖学原理识别面部手术痕迹，提供概率性评估
cosmetic-detect by deusyu/rainman-skills
安装命令
npx skills add https://github.com/deusyu/rainman-skills --skill cosmetic-detect🇨🇳中文介绍
整容检测
核心原理
整容手术以偏离自然发育模式的方式改变人体组织。检测意味着识别"反自然"的信号——即解剖结构、比例、纹理或动态打破未修饰面部/身体统计常态的部位。
这是一种对抗性任务：最好的整容作品旨在无法被察觉。切勿声称绝对确定——使用概率性语言（例如"与...一致"、"暗示"、"可能的指标"）。
分析流程
在分析之前，请阅读 references/analysis-framework.md 以获取详细的逐区域指标检查清单。
步骤 1：初步评估
- 图像质量：分辨率、光照、角度、妆容程度。低质量或重度滤镜会显著降低可靠性——请明确指出。
- 明显种族/血统：建立解剖学基线。例如，"高鼻梁"对欧洲人来说是正常的，但对东亚人来说在统计上并不常见。
- 明显年龄：设定对皮肤质量、体积、衰老迹象的预期。
- 滤镜/编辑：检查是否存在数字处理（平滑、扭曲、面部调整）——将这些标记为非整容手术，以避免误报。
步骤 2：逐区域分析
使用参考文件中的指标独立分析每个区域。针对每个区域评估：
- 特征是否在该人种和年龄的正常范围内？
- 是否存在手术或非手术干预的具体指标？
- 置信度：低 / 中 / 高
步骤 3：跨区域一致性检查
这是最强大的检测层面。自然的面部具有内在一致性。寻找：
- 种族一致性：所有特征是否与一个一致的遗传背景相符？（例如，东亚人的骨骼结构 + 高加索人的鼻梁 = 不匹配）
- 年龄一致性：所有区域是否显示出一致的衰老迹象？（光滑的额头但衰老的双手 = 可能注射了肉毒杆菌）
- 对称性：自然的面部存在不对称性。过度的双侧对称性暗示了矫正。
- 比例和谐度：特征之间的比例是否落在自然范围内？
广告位招租
在这里展示您的产品或服务
触达数万 AI 开发者，精准高效
