谷歌到底有没有收录成人影片站点？

收录了一部分。谷歌确实索引了一些成人页面，但安全搜索过滤、robots 规则和登录墙，把这些片库的很大一部分挡在了以图搜图所依赖的图片索引之外。

把截图裁到只剩脸，对谷歌有帮助吗？

很少有。裁切会去掉谷歌整图比对所依赖的背景，而谷歌并不会在这个裁剪上做人脸识别，所以结果通常更差，不是更好。

它们的行为不一样，但不见得更好。它们比对的仍然是自己抓取到的那些图片。而一帧视频画面，通常在任何地方都不是一张已发布的图片，所以没有哪个爬虫手上有它的副本。

谷歌以图搜图在成人影片截图上会失败，因为谷歌并不抓取大多数成人站点，而且它比对的是整张图的构图，不是人脸。想靠一帧画面找到女优，需要拿人脸向量去比对一个专门用成人影片封面建起来的索引。

你把一张截图丢进谷歌图片，回来的是一堆不相干的图库照片。问题不在你的图糊，而在于你拿错了搜索引擎，问了错的问题。

谷歌以图搜图找的是整张图片的副本和近似副本，在它抓取公开网页建起来的索引里找。有两件事让这套模型在成人影片画面上失效：谷歌并不抓取大多数这类站点，而一帧视频画面在任何地方都不是一张已发布的图片，所以根本没有副本可找。

它比对的是整张图——构图、色彩布局，以及已知的重复图。它是一个近似重复检测器，不是一套人脸识别系统。

这个区别就是全部关键。如果你上传的是一个人在卧室里的一帧画面，谷歌找的是其他共享这份整体视觉指纹的图片。它问的不是「这张脸是谁？」它根本没有理由把脸单独拎出来。

要找一个人，有用的比较不是图对图，而是脸对脸：检测出人脸，把它归一化到一个标准姿态，转换成一个数值向量，再拿这个向量去和你已经索引过的每一张脸比对。

好几层过滤叠在一起，每一层都削掉片库的一块：

最后一行是大家最容易低估的。当你把视频暂停、截下屏幕，你造出来的是一张在网上从未以文件形式存在过的图片。世界上没有任何爬虫有它的副本。近似重复比对根本没有可比对的对象。

因为裁切恰好把谷歌正在用的那个信号剥掉了。

整图比对依赖的是背景、布局和色彩分布。裁到只剩脸，你就删掉了其中大部分，留下一小块在像素层面跟几百万张别的脸都很像的区域。你把这张图变得更不独特了，而这套系统一开始就不是在看身份。

这是个很好的诊断方法：如果一个工具在你裁出人脸之后变得更差，那它做的就不是人脸搜索。

人脸搜索把操作顺序倒了过来。它比较的不是图片，而是人脸的数学描述。

因为第 3 步扔掉了姿态、光线和背景，同一个人相隔多年、在不同房间拍的两张照片，在向量空间里仍然会落得很近。这是整图比对在结构上做不到的事。

索引也必须用对的素材来建。我们的索引包含 241,792 张人脸，取自 106 个站点上的成人影片封面和画面（我们的索引，2026-08 快照）。一个通用图片索引里根本没有这些素材，所以不管算法多好，通用工具都返回不了它们。

**有一条界线值得说清楚：**我们的覆盖并不均匀。我们的代表图有很大一部分来自少数几个来源，所以一部只存在于我们没有索引的站点上的作品，是找不到的。没有哪个人脸索引能覆盖一切，任何声称做得到的工具都在夸大其词。

两个人脸向量之间的余弦相似度取值从 0 到 1。在我们的数据上，针对视频截图校准出来的阈值是 0.40——高过它，两张脸就被当作很可能是同一个人。

这一点对诚实地读结果很要紧。稠密向量检索永远会返回点什么，哪怕正确答案根本不在里面。0.42 的结果和 0.85 的结果，在列表里看上去一模一样，含义却天差地别。任何给你看匹配却不给你看分数的工具，藏起来的正是你需要的那部分。