Meta推出AI视觉分析系统，通过扫描照片与视频，结合身高、骨骼等视觉特征及文本互动，估算用户年龄，识别可能未满13岁的账户并予以移除。该技术不涉及面部识别或身份识别，旨在提升未成年用户治理能力。
迪士尼乐园在部分入园通道安装人脸识别技术，通过摄像头捕捉面部图像并转为数字值，旨在防止年票共享等欺诈行为，提升游客再入园体验。游客可选择不使用该通道，保障个人选择权。
Meta拟为雷朋智能眼镜推出“姓名牌”功能，通过实时面部识别技术，让佩戴者能识别他人身份并获取社交信息。此举在隐私保护敏感的社会背景下引发争议，被指利用公众对监控常态化的麻木感，挑战隐私与科技伦理边界。
亚马逊为Ring门铃和摄像头推出“Familiar Faces”人脸识别功能。用户可在App中建立最多50人的熟人面孔库，之后门铃将推送个性化通知，如“妈妈在前门”，而非普通提醒。该功能默认关闭，需手动开启，目前覆盖美国18岁以上用户。使用方法：上传照片、命名、完成注册，之后系统自动识别匹配。
强大的反向人脸搜索引擎，上传照片60秒出结果，准确率98.7%
FaceSeek是一个提供反向人脸搜索、姓名查询和电子邮件/电话检测的高级身份搜索工具。
实时情绪和认知状态分析，适用于Google Meet通话。
AI人脸年龄检测工具，上传照片即可获取面部年龄分析，包括面部年龄、眼部年龄、皮肤年龄和皱纹年龄。
Anthropic
$21
Input tokens/M
$105
Output tokens/M
200
Context Length
Alibaba
$1
$10
256
$8
$240
52
$15.8
$12.7
64
Bytedance
-
$0.8
$2
128
Baidu
32
$0.3
Tencent
$3
$9
16
$1.5
$4.5
Huawei
dima806
基于Google Vision Transformer (ViT)架构的图像分类模型，专门用于从面部图像中识别五种发型类型（卷发、脏辫、扭结发、直发、波浪发），准确率达93%。
py-feat
ResMaskNet是一种结合残差掩码机制与U-Net架构的卷积神经网络，用于面部情绪识别。
Alpiyildo
基于ViT架构的面部表情识别模型，在imagefolder数据集上微调，准确率达91.77%
HardlyHumans
基于预训练模型微调的面部表情识别模型，能有效识别八种不同面部表情。
motheecreator
基于ViT的面部表情识别模型，在FER2013、MMI和AffectNet数据集上微调，能够识别七种基本情绪
mo-thecreator
基于ViT的面部表情识别模型，在FER2013、MMI和AffectNet数据集上微调，支持七种情绪分类
基于Google的ViT-base模型微调的面部情绪识别模型，在测试集上达到91%的准确率。
Piro17
基于ViT架构的图像分类模型，在FER2013数据集上微调，用于面部表情识别任务。
基于Google的ViT模型微调的面部表情识别模型，在FER2013数据集上训练，准确率达70.22%。
基于google/vit-base-patch16-224-in21k微调的视觉模型，用于面部表情识别任务
lixiqi
基于微软BEiT模型微调的面部表情识别模型，在FER数据集上取得68.6%的准确率
Celal11
基于ResNet-50架构微调的面部表情识别模型，在FER2013和CKPlus数据集上训练
基于ResNet-50架构微调的面部表情识别模型，在FER2013和CK+数据集上训练，准确率达到1.0
基于BEiT架构的视觉Transformer模型，在FER2013CKPlus和SFEW数据集上微调，用于面部表情识别任务。
基于BEiT架构的图像分类模型，在FER2013和CK+数据集上进行了微调，主要用于面部表情识别任务。
基于ResNet-50架构微调的面部表情识别模型，在FER2013数据集上训练，准确率达68.47%
基于BEiT架构的图像分类模型，在FER2013数据集上微调，用于面部表情识别
这是一个基于BEiT架构的图像分类模型，在FER2013和CK+数据集上进行了微调，用于面部表情识别任务。
该模型是基于BEiT架构的图像分类模型，在FER2013CKPlus数据集上微调，用于面部表情识别任务。
基于微软BEiT模型在FER2013数据集上微调的面部表情识别模型
Azure AI视觉面部活体检测MCP服务器，用于在代理AI工作流程中嵌入存在证明。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
