ID-Sim：一种面向身份的相似性度量
计算机视觉与模式识别
2026-04-08 v1 人工智能
摘要
人类对身份具有显著的选择性敏感性——即使在差异显著不同的上下文（如不同视角或光照条件）下，也能轻松区分高度相似的身份。视觉模型一直难以匹配这一能力，而面向身份的任务（如个性化图像生成）的进展因缺乏面向身份的评估指标而受阻。为了促进进展，我们提出了ID-Sim，一种前馈度量，旨在忠实地反映人类的选择性敏感性。为构建ID-Sim，我们策划了一个涵盖多样化真实世界领域的高质量训练集，并辅以提供受控的细粒度身份和上下文变化的生成合成数据。我们在面向身份识别、检索和生成任务的统一评估基准上评估了我们的度量。
引用
@article{arxiv.2604.05039,
title = {ID-Sim: An Identity-Focused Similarity Metric},
author = {Julia Chae and Nicholas Kolkin and Jui-Hsien Wang and Richard Zhang and Sara Beery and Cusuh Ham},
journal= {arXiv preprint arXiv:2604.05039},
year = {2026}
}
备注
SB and CH equal advising; Project page https://juliachae.github.io/id_sim.github.io/