用 GPT-5.2 Vibe Coding，做了一个可以“玩”的人脸相似度应用

在做人脸相关的产品时，很多系统都会直接给出一个“是否同一人”的结论。但在不少场景下，这种二元判断其实有点无聊——我们更关心的往往是：到底有多像？
你可以把它当成一个小实验来玩：对比自己年轻时和现在的照片，看看变化有多大；把孩子的照片和父母分别比一比，看看更像谁；或者试试兄弟姐妹在不同年龄、不同光线下的相似程度。

Face Metric 就是这样一个尝试：
它不是做人脸验证（verification），而是返回一个连续的人脸相似度分数，把判断权交给使用者。

本文主要记录这个项目的设计思路、后端算法选择，以及一些工程上的取舍。

---

源代码：https://github.com/neozhu/face-metric

Demo: https://face-metric.blazorserver.com/

项目概览

Face Metric 是一个暗色风格优先的 Web 应用，功能非常简单：

• 上传或拍摄两张人脸照片
• 点击 Compare
• 得到一个 0–100% 的相似度结果（动画圆环展示）

整体结构是典型的前后端分离：

apps/
  web/   Next.js UI
  api/   FastAPI service
specs/   产品与工程规格说明

前端负责交互和展示，后端只做一件事：给两张图片算一个相似度。

---

为什么不直接用“是否同一人”？

在调研人脸识别库时会发现，大多数 API 都是围绕 verification 设计的，本质是：

embedding → distance → threshold → yes / no

但阈值本身是一个非常“上下文相关”的东西：

• 安防场景和娱乐应用的容忍度完全不同
• 不同模型、不同数据分布，阈值也不同

Face Metric 的选择是干脆不做阈值判断，只返回一个连续值，让上层系统自己决定怎么用。

---

后端算法流程

后端基于 DeepFace，但并不是“直接调一个函数返回结果”，而是把流程拆开，尽量让每一步都可控。

1. 图片解码与校验

• 校验类型和大小
• 只在内存中处理，不落盘
• 单次请求生命周期结束即释放

这一点主要是为了隐私和部署简单。

---

2. 人脸检测与对齐

使用 DeepFace 的检测与对齐能力：

• 默认检测器：RetinaFace
• enforce_detection=True
• align=True

这里的策略很明确：
宁可失败，也不猜。

如果任意一张图里检测不到人脸，API 会直接返回错误，而不是给一个“看起来合理”的分数。

---

3. 特征向量（Embedding）

默认模型选择的是 ArcFace，原因很简单：

• 在人脸识别领域成熟
• embedding 判别性强
• 社区和工程实践都比较稳定

同时加了一个兜底模型：

• 主模型失败 → 回退到 Facenet512

这不是为了追求“更高精度”，而是提升工程稳定性。

---

4. 距离计算

对于每一个成功生成 embedding 的模型：

• 使用 cosine distance
• 得到一个 [0, +∞) 的距离值

cosine 距离在高维 embedding 场景下表现比较稳定，也便于后续做线性映射。

---

5. 多模型融合（可选）

如果多个模型都成功：

• 对它们的 cosine distance 取平均
• 得到一个 fused distance

这一步的目标不是“集成学习”，而是降低单模型偶发波动。

---

6. 相似度映射

最后一步非常直接：

similarity = clamp(1 - fused_distance, 0..1)

• 不做 sigmoid
• 不做复杂归一化
• 不引入任何“经验阈值”

UI 端只负责把它渲染成百分比。

---

前端的一点取舍

前端用 Next.js，设计上刻意保持克制：

• 深色背景，减少对照片的干扰
• 动画只用在结果出现的一瞬间
• 不提示“是否同一人”，只展示数值

UI 的目标不是“显得智能”，而是让结果本身更容易被理解。

---

关于隐私

这个项目在设计时有几个明确原则：

• 图片只存在于内存
• 不写磁盘、不做缓存
• 不记录历史请求

Face Metric 更像一个“计算器”，而不是一个“系统”。

---

本地运行与部署

为了降低体验成本：

• Web + API 可以本地直接跑
• 也提供单镜像 Docker Compose
• 不需要额外环境变量

工程上尽量做到：clone → run → 用。

---

一点总结

Face Metric 本质上不是一个“新算法”，而是一次工程取向的整理：

• 把人脸相似度从二元判断中解放出来
• 把每一步处理过程显式化、可解释
• 在精度与稳定性之间偏向后者

如果你需要的不是“是否同一个人”，而是“看起来有多像”，这种设计思路可能会比直接套 verification API 更合适。