Ansikten du känner, integritet du behåller: ansiktsigenkänning gjort på rätt sätt
Skriv ett namn i Google Foto och appen hittar varje bild på den personen bland tusentals foton på några sekunder. Det är verkligen imponerande — och de flesta stannar inte upp och funderar på hur det fungerar. Svaret handlar om att ditt ansikte analyseras, kartläggs och jämförs med en modell som Google har förfinat i år med hjälp av foton från miljarder användare. Funktionen fungerar så bra just för att du, och alla du känner, tyst har bidragit till att göra det möjligt.
Med PixelUnion får du samma möjlighet. Du kan söka i ditt bibliotek efter ansikte, gruppera foton per person och hitta varje bild på din farmor från 2008 till senaste jul — med en noggrannhet som kan mäta sig med vad de stora techbolagen erbjuder. Skillnaden ligger i hur det fungerar.
Open source, inte dina data
Ansiktsigenkänningen i PixelUnion drivs av Immich, den open source-fotoplatform som ligger i kärnan av vår tjänst. Immich använder InsightFace, ett välestablerat open source-bibliotek för ansiktsanalys, tillsammans med modellen buffalo_l för detektion och igenkänning. Det är förtränade modeller, utvecklade och öppet publicerade av forskare. Koden är offentlig, modellerna är offentliga och vem som helst kan granska hur de fungerar.
Vad det innebär i praktiken: när PixelUnion analyserar dina foton efter ansikten kör vi dessa etablerade modeller på våra servrar — europeiska servrar, under europeisk lagstiftning. Analysen sker helt och hållet inom ditt eget bibliotek. Ingen bild, ingen ansiktsvektor, inga biometriska data lämnar någonsin din PixelUnion-miljö för att bearbetas av tredje part. Och avgörande: dina foton används aldrig för att träna eller förbättra modellerna. Varken av oss eller av någon annan.
Det är en fundamentalt annorlunda arkitektur än den som de stora techbolagen använder. Google Foto förbättrar sin ansiktsigenkänning genom att lära sig av sina användare. Ju mer du använder det och bekräftar dess förslag, desto bättre blir det — inte bara för dig, utan för Googles modell som helhet. Du är samtidigt kunden och träningsdataset.
Hur bra kan open source egentligen vara?
Skepsis är förståelig. När folk hör “open source AI-modell” föreställer de sig ibland något klumpigt och opålitligt — en sämre ersättning för det riktiga. Verkligheten, särskilt de senaste åren, ser annorlunda ut.
InsightFace buffalo_l-modellen som driver Immichs ansiktsigenkänning är inget leksaksverktyg. Det är en toppmodern modell som presterar utmärkt på standardbenchmarks för ansiktsdetektion och -verifiering. I oberoende utvärderingar uppnår den en noggrannhet jämförbar med — och i vissa fall högre än — de modeller som ligger bakom kommersiella produkter.
I det dagliga användandet märks det tydligt. Systemet:
- Upptäcker pålitligt ansikten även i delprofil, dålig belysning eller äldre foton med lägre upplösning
- Grupperar samma person över decennier av foton och hanterar förändringar i frisyr, vikt och ålder naturligt
- Skiljer mellan familjemedlemmar som liknar varandra mycket
- Fungerar konsekvent för olika hudtoner och ljusförhållanden
Användare beskriver ofta resultaten som häpnadsväckande. Du ger systemet ett namn, slår samman några ansiktsgrupper som det har identifierat och inom några minuter har det organiserat år av foton på ett sätt som manuellt hade tagit timmar. Det är inte ett tröstpris i jämförelse med Google Foto — det är helt enkelt utmärkt.
Biometriska data är känsliga data
Enligt GDPR klassificeras biometriska uppgifter som används för att unikt identifiera en person som särskilda kategorier av personuppgifter — den högsta skyddsnivån i europeisk dataskyddslagstiftning. Det inkluderar de ansiktsembeddings som ansiktsigenkänningssystem genererar.
Google Foto, som verkar under amerikansk rätt med global infrastruktur, har ett annat förhållande till dina biometriska data än en europeisk tjänst. USA saknar en federal biometrisk integritetslagstiftning motsvarande GDPR, även om vissa delstater har antagit egna regler. Oavsett det rättsliga ramverket är det kommersiella incitamentet tydligt: ansiktsdata gör Googles produkter bättre, och Googles produkter tjänar pengar åt Google.
PixelUnion har inget sådant incitament. Vi säljer inte reklam. Vi tränar inga modeller. Vi tar ut en enkel prenumerationsavgift för en tjänst som fungerar. Dina ansiktsdata stannar i ditt bibliotek, på våra servrar, under din kontroll.
Integritet och kvalitet är inget val emellan
Det finns en seglivad myt om att man måste välja mellan en bra produkt och en som respekterar integriteten. Att de bästa funktionerna bara kommer från företag som är beredda att skörda dina data för att bygga dem. Ansiktsigenkänningen i PixelUnion är ett direkt motexempel.
Open source-forskning har producerat modeller som är tillräckligt noggranna för att driva en genuint användbar funktion. Den funktionen körs på europeisk infrastruktur, bearbetar dina data isolerat och använder aldrig det den lär sig om ditt ansikte till fördel för någon annan än dig. Inget kompromissande krävs.
Om du hittills har nöjt dig med en Big Tech-fototjänst för att du antog att det var det enda sättet att få bra ansiktsigenkänning, är det värt att ompröva det antagandet.
På PixelUnion tillhör dina minnen dig. Varje foto, varje ansikte, varje album — lagrat på europeiska servrar, analyserat på vår infrastruktur och aldrig delat med någon. Så här borde det fungera.