Un modèle invisible distingue les traits du visage express
Entraîné sur des photos ordinaires, le modèle DINOv3 s'est mis à voir les visages comme un spectre : tout seul, sans indications, il distingue les zones des yeux, du nez, de la bouche.
Sur 200 vidéos, la précision de la détection des traits a atteint 83 % (le hasard donne 23 %). Pour le suivi des lèvres et des sourcils, elle atteint 95,5 %. Mais la séparation « spectrale » la plus nette ne se trouve pas dans la couche finale, mais dans la 18e sur 24 : là, les différences sont quintuplées, puis s'estompent vers la sortie.
Comparé au modèle CLIP, qui saisit la silhouette générale, DINOv3 est plus précis de 16,8 points de pourcentage pour distinguer les traits fins. Une architecture semblable au modèle standard des systèmes visuels a engendré en son sein une carte du visage — un véritable spectroscope pour les traits. Les caractéristiques figées du milieu du réseau sont un outil prêt à l'emploi pour décoder les expressions sans aucun apprentissage.
Le visage se décompose le plus précisément en traits dans la 18e couche sur 24 — comme si le prisme donnait le plus bel arc-en-ciel non pas dès le premier rayon, mais au cœur du verre.
L'identification fantastique de « Minority Report » devient réalité sans bases de données titanesques : un réseau de neurones, tel un spectroscope invisible, décompose le visage en un instant.