面向数字实体的非碰撞生物特征身份：几何、容量与百万规模虚拟身份配置
计算机视觉与模式识别
2026-05-19 v1
摘要
诸如 AI 智能体与人形机器人等数字实体日益与真实人类并肩运作，然而其身份基础设施基于凭证而非具身生物特征身份。我们引入生物特征身份配置（Biometric Identity Provisioning, BIP），这是一个新的问题与解决方案框架，旨在解决：给定真实人类身份的注册库，配置与每个已注册身份不碰撞、保持足够类间可分性、且可实现为高保真面部图像的虚拟身份。关键的几何洞见是，真实面部身份占据嵌入超球面的低维子空间，未给虚拟身份留下残差子空间。因此，虚拟身份必须被分配为真实面部流形自身内部的未声明间隙。BIP 因而是一个受约束的装箱问题：可用间隙远超任何可预见的注册规模，且即使随后注册新的真实身份，所配置的身份仍保持不碰撞。基于此几何，我们基于排斥的分配不受任何固定配置数量限制；我们在 360K 真实身份的注册库下展示了 10M 个非碰撞虚拟身份嵌入。将这些嵌入实现为面部图像需要一个在真实面部图像训练分布之外运作的生成器；我们引入 GapGen，一种间隙感知生成器，通过课程学习进行训练，逐步将合成扩展至非碰撞区域，并在 1M 张逼真虚拟面部图像上得到验证。我们进一步构建了 v-LFW，即 LFW 面部数据集的虚拟对应物，附带虚拟面部验证、跨现实匹配、真实-虚拟检测以及统一识别与检测的协议。
引用
@article{arxiv.2605.18238,
title = {Non-Colliding Biometric Identities for Digital Entities: Geometry, Capacity, and Million-Scale Virtual Identity Provisioning},
author = {Yuyang Ji and Yixuan Shen and Anil Jain and Xiaoming Liu and Feng Liu},
journal= {arXiv preprint arXiv:2605.18238},
year = {2026}
}
备注
25 pages, 11 figures