FlowID：基于潜在流匹配模型提升 Forensic Identification
计算机视觉与模式识别
2026-04-01 v1
摘要
每天都有许多人在暴力情形下死亡，包括犯罪、战争、移民或气候灾难。法医和执法机构为遇难者绘制许多肖像作为证据，但无法立即进行身份识别。虽然传统图像编辑工具可以处理这些照片以供公开使用，但工作流程冗长且产生次优结果。在本工作中，我们利用图像生成模型的最新进展——这些模型现在能够生成逼真的 human portrait——引入 FlowID，一种保持身份的面部重建方法。我们的做法结合单图像微调，这使生成模型适用于超出分布的伤残面孔，以及注意力机制的掩码化处理，在损伤区域局部编辑的同时保持身份关键特征。通过这些组件，FlowID 能够在保留足够身份信息以支持识别的同时，去除暴力死亡的制件。为评估我们的方法，我们引入了 InjuredFaces，一个用于身份保持面部重建的新型基准数据集，以应对严重面部损伤。除了为本工作提供评估工具之外，InjuredFaces 为社区提供了标准化资源，以研究和比较解决面部重建在极端条件下的各种方法。实验结果表明，FlowID 在保持低内存要求的同时超越了最先进的开源方法，适合在不妥协数据隐私的前提下进行本地部署。
关键词
引用
@article{arxiv.2603.29591,
title = {FlowID : Enhancing Forensic Identification with Latent Flow-Matching Models},
author = {Jules Ripoll and David Bertoin and Alasdair Newson and Charles Dossal and Jose Pablo Baraybar},
journal= {arXiv preprint arXiv:2603.29591},
year = {2026}
}