大规模儿童人脸识别：合成数据生成与性能基准
计算机视觉与模式识别
2023-04-25 v1
摘要
我们通过使用生成对抗网络（GANs）与人脸年龄演进（FAP）模型合成一个称为 HDA-SynChildFaces 的真实数据集，以满足对大规模儿童人脸数据库的需求。为此，我们提出了一个处理流水线，最初利用 StyleGAN3 采样成年主体，随后使用 InterFaceGAN 将其演进为不同年龄的儿童。通过在其潜空间进一步操控主体，生成了表情与姿态等主体内变异。此外，所提流水线可均衡分配主体种族，从而生成在种族分布上平衡且公平的数据集。所创建的 HDA-SynChildFaces 包含 1,652 个主体及总计 188,832 张图像，每个主体以不同年龄段及多种主体内变异出现。随后，我们评估了多种人脸识别系统在该生成数据库上的性能，并比较了成年人与不同年龄段儿童的结果。研究揭示，在所有被测系统上儿童表现始终差于成人，且性能退化与年龄成正比。此外，我们的研究揭示了识别系统中的一些偏差：亚洲与黑人主体及女性表现差于白人与拉丁裔西班牙人主体及男性。
引用
@article{arxiv.2304.11685,
title = {Child Face Recognition at Scale: Synthetic Data Generation and Performance Benchmark},
author = {Magnus Falkenberg and Anders Bensen Ottsen and Mathias Ibsen and Christian Rathgeb},
journal= {arXiv preprint arXiv:2304.11685},
year = {2023}
}