Frame yang bisa dipakai hanya butuh satu hal: wajah yang mata, hidung, dan sudut-sudut bibirnya semua terlihat, terekam cukup tajam sehingga titik-titik itu bisa ditentukan letaknya dengan presisi. Semua yang biasanya dikhawatirkan orang — pencahayaan, latar belakang, resolusi gambar secara keseluruhan — jauh lebih tidak penting daripada itu.

Alasannya bersifat mekanis. Pencarian wajah mendeteksi lima titik acuan, memakainya untuk memutar wajah ke pose standar, lalu memotongnya rapat dan membuang sisanya. Kalau titik-titik acuan itu terlihat dan tajam, frame-nya berfungsi. Kalau tidak, kualitas gambar setinggi apa pun tidak akan menyelamatkannya.

Apa yang membuat sebuah frame bagus atau buruk, tepatnya?

Nilai wajahnya, bukan gambarnya.

Faktor Bagus Marginal Gagal
Sudut kepala Menghadap depan sampai putaran ~30° Putaran 30–45° Samping penuh, belakang kepala
Halangan Wajah terlihat utuh Rambut menutupi satu mata Tangan, benda, atau bayangan pekat menutupi mata atau mulut
Ketajaman Diam atau bergerak pelan Sedikit blur Blur gerakan yang mengaburkan fiturnya
Ukuran wajah dalam frame Wajah mengisi bagian besar gambar Medium shot Wide shot, lebar wajah cuma beberapa puluh piksel
Pencahayaan pada wajah Merata, entah terang atau redup Satu sisi tenggelam dalam bayangan Siluet, highlight yang hangus terang
Kompresi Tangkapan asli dari pemutar JPEG yang disimpan ulang Screenshot dari screenshot, artefak berat
Latar belakang Tidak berpengaruh Tidak berpengaruh Tidak berpengaruh

Baris terakhir itu bukan lelucon — itu justru hal paling berguna di tabel ini. Orang membuang frame karena ruangannya gelap atau berantakan. Penyelarasan memotong ruangan itu habis sama sekali. Nilai wajahnya.

Apa saja langkah untuk mengambilnya?

  1. Geser ke momen ketika pemainnya menghadap kamera. Adegan dialog, adegan pembuka, dan reaction shot biasanya paling kaya pilihan. Maju lima detik tidak ada ongkosnya; bergulat dengan frame yang buruk ongkosnya besar.
  2. Jeda sepenuhnya. Frame yang dijeda itu tajam. Frame yang direbut saat pemutaran berjalan, apalagi pada stream yang tersendat, bisa menangkap frame yang baru ter-decode sebagian.
  3. Pakai fungsi screenshot perangkat Anda, bukan kamera ponsel yang diarahkan ke layar. Di macOS pakai fitur tangkapan bawaan; di Windows pakai Snipping Tool atau Print Screen; di ponsel pakai kombinasi tombol fisiknya.
  4. Tangkap pada resolusi asli. Kalau pemutarnya berjalan di jendela kecil, besarkan dulu atau jadikan layar penuh. Anda tidak bisa memulihkan detail yang tidak pernah Anda tangkap.
  5. Jangan memotong rapat ke wajah lebih dulu. Biarkan frame-nya seperti saat ditangkap, atau potong dengan longgar. Penyelaras butuh margin di sekitar titik-titik acuan.
  6. Simpan sebagai PNG kalau ada pilihannya. PNG tidak menghilangkan data; penyimpanan ulang ke JPEG berkualitas rendah menambahkan artefak persis di tempat detail halus wajah berada.
  7. Periksa apakah ada wajah lain yang layak dicoba. Kalau adegannya berisi lebih dari satu orang, Anda punya lebih dari satu peluang untuk identifikasi.

Kenapa tampak samping gagal padahal manusia mudah mengenalinya?

Karena kepala yang berpaling menyembunyikan titik acuan yang dibutuhkan penyelaras, dan encoder-nya dilatih dengan wajah yang sebagian besar tidak berpaling sejauh itu.

Pada tampak samping penuh, satu mata tidak terlihat dan satu sudut bibir sering terhalang. Penyelarasan lalu menebak posisi yang tidak bisa dilihatnya, dan hasil putarannya jadi salah. Vektor yang keluar adalah gambaran penuh percaya diri tentang wajah yang sebenarnya tidak persis ada. Hasil tetap akan dikembalikan — hanya saja hasil yang salah, dengan skor yang terlihat masuk akal.

Aturan praktisnya: kalau Anda bisa melihat kedua mata dengan jelas, lanjutkan. Kalau hanya satu yang terlihat, cari frame lain.

Dari beberapa frame, mana yang sebaiknya Anda pilih?

Kalau ada pilihan, urutkan berdasarkan berapa banyak sinyal identitas yang selamat melewati pipeline.

Prioritas Jenis frame Alasannya
1 Close-up, menghadap depan, dijeda, pencahayaan bagus Presisi titik acuan maksimal
2 Medium shot, menghadap depan, tajam Pikselnya lebih sedikit, tapi geometrinya utuh
3 Close-up pada sudut sedang Sudut mengurangi akurasi tapi masih bisa dipulihkan
4 Cover art atau foto promosi, kalau tersedia Sering kali persis materi yang dipakai membangun indeks
5 Wide shot atau sudut curam Pilihan terakhir

Baris 4 layak diketahui. Entri indeks dibangun dari sampul dan foto still — indeks kami memuat 241,792 wajah yang diambil dari materi semacam itu di 106 situs (indeks kami, snapshot 2026-08). Kalau Anda bisa menemukan gambar sampulnya alih-alih frame video, Anda mencari dengan materi yang lebih dekat ke distribusi indeksnya sendiri, dan skornya cenderung mencerminkan hal itu.

Bagaimana Anda tahu frame-nya sudah cukup bagus?

Baca skornya, bukan peringkatnya. Cosine similarity bergerak dari 0 sampai 1, dan ambang batas terkalibrasi kami untuk still video adalah 0.40.

Kalau hasil terbaik Anda duduk jauh di bawah ambang batas, frame-nya adalah tersangka pertama — sebelum indeksnya. Pencarian vektor mengembalikan kandidat terdekatnya entah orang yang benar ada di dalam indeks atau tidak, jadi daftar berisi skor rendah bersifat ambigu antara "frame buruk" dan "tidak terindeks". Frame kedua dari orang yang sama menyelesaikan ambiguitas itu secara cuma-cuma, dan itulah kenapa langkah itu selalu jadi langkah berikutnya.

Batas yang perlu dinyatakan: frame sesempurna apa pun tidak bisa menemukan orang yang tidak pernah kami indeks, dan sumber kami terkonsentrasi — 2,246 dari 2,333 pemain bernama punya gambar representatifnya dari satu situs saja. Screenshot yang bagus memaksimalkan peluang Anda; ia tidak menciptakan cakupan.

Pertanyaan terkait

Begitu Anda punya frame dengan kedua mata terlihat dan tanpa blur gerakan, unggah di sini. Deteksi berjalan di browser Anda, jadi Anda langsung tahu apakah ada wajah yang ditemukan — dan kalau tidak ada, tidak ada apa pun yang dikirim.