SDFR：人脸识别合成数据竞赛
计算机视觉与模式识别
2024-04-10 v2
摘要
大规模人脸识别数据集通过爬取网络获取，未经个人同意，引发了法律、伦理和隐私问题。随着生成模型的最新进展，最近有几项工作提出生成合成人脸识别数据集，以减轻网络爬取人脸识别数据集中的担忧。本文介绍了与第18届IEEE国际自动人脸与手势识别会议(FG 2024)联合举办的合成数据用于人脸识别(SDFR)竞赛的总结，该竞赛旨在研究使用合成数据训练人脸识别模型。SDFR竞赛分为两个任务，允许参与者使用新的合成数据集和/或现有数据集训练人脸识别系统。在第一个任务中，人脸识别骨干网络固定且数据集大小有限，而第二个任务在模型骨干网络、数据集和训练流程上几乎完全自由。提交的模型在现有和新的合成数据集上训练，并使用了巧妙的方法来改进使用合成数据的训练。提交的模型在七个多样化的基准数据集上进行了评估和排名。本文概述了提交的人脸识别模型，并报告了与在真实和合成数据集上训练的基线模型相比所达到的性能。此外，评估扩展到不同人口统计组的偏差评估。最后，展望了使用合成数据训练人脸识别模型的当前研究状态，并讨论了现有问题以及潜在未来方向。
引用
@article{arxiv.2404.04580,
title = {SDFR: Synthetic Data for Face Recognition Competition},
author = {Hatef Otroshi Shahreza and Christophe Ecabert and Anjith George and Alexander Unnervik and Sébastien Marcel and Nicolò Di Domenico and Guido Borghi and Davide Maltoni and Fadi Boutros and Julia Vogel and Naser Damer and Ángela Sánchez-Pérez and EnriqueMas-Candela and Jorge Calvo-Zaragoza and Bernardo Biesseck and Pedro Vidal and Roger Granada and David Menotti and Ivan DeAndres-Tame and Simone Maurizio La Cava and Sara Concas and Pietro Melzi and Ruben Tolosana and Ruben Vera-Rodriguez and Gianpaolo Perelli and Giulia Orrù and Gian Luca Marcialis and Julian Fierrez},
journal= {arXiv preprint arXiv:2404.04580},
year = {2024}
}
备注
The 18th IEEE International Conference on Automatic Face and Gesture Recognition (FG 2024)