论生成式人脸模型的生物特征容量

过去几年中，生成高保真逼真人脸取得了巨大进展。尽管有此进展，一个关键问题仍待解答：“给定一个生成式人脸模型，它能生成多少个独特身份？”换言之，该生成式人脸模型的生物特征容量是多少？回答此问题的科学基础将有助于评估和比较不同的生成式人脸模型，并确立其可扩展性的上界。本文提出一种统计方法，用于在超球面特征空间中估计生成人脸图像的生物特征容量。我们在多个生成模型上应用该方法，包括 StyleGAN、Latent Diffusion Model 与“Generated Photos”等无条件生成器，以及类条件生成器 DCFace。我们还估计了相对于性别与年龄等人口属性的容量。我们的容量估计表明：(a) 在 ArcFace 表示下、误接受率（FAR）为 0.1% 时，StyleGAN3 与 DCFace 的容量上界分别为 $1.43\times10^6$ 与 $1.190\times10^4$；(b) 随着所需 FAR 降低，容量急剧下降，StyleGAN3 在 FAR 为 1% 与 10% 时的估计值分别为 $1.796\times10^4$ 与 $562$；(c) 相对于性别的容量无显著差异；(d) 对于部分生成模型，相对于年龄的容量存在明显差异。代码见 https://github.com/human-analysis/capacity-generative-face-models。