Benchmarking Human Face Similarity Using Identical Twins

要約

自動顔認識 (FR) アプリケーションで一卵性双生児と非双生児のそっくりさんを区別する問題は、顔のバイオメトリクスが広く採用されるにつれてますます重要になっています。
一卵性双生児とそっくりさんの両方の顔の類似性が高いため、これらの顔のペアは、顔認識ツールに提示される最も困難なケースを表しています。
この作業は、2 つの FR の課題に対処するために、これまでにコンパイルされた最大の双子のデータセットの 1 つを適用したものです。1) 一卵性双生児間の顔の類似性のベースライン測定値を決定し、2) この類似性測定値を適用して、ドッペルゲンガーの影響を決定します。
同様に、大規模な顔データセットの FR パフォーマンスについて。
顔の類似度は、深い畳み込みニューラル ネットワークによって決定されます。
このネットワークは、ネットワークが埋め込み空間で非常に類似した顔のペアをグループ化するように設計された、調整された検証タスクでトレーニングされ、0.9799 のテスト AUC を達成します。
提案されたネットワークは、任意の 2 つの顔に対して定量的な類似性スコアを提供し、類似した顔のペアを識別するために大規模な顔データセットに適用されています。
顔認識ツールによって返された比較スコアと、提案されたネットワークによって返された類似性スコアを相関させる追加の分析も実行されました。

要約(オリジナル)

The problem of distinguishing identical twins and non-twin look-alikes in automated facial recognition (FR) applications has become increasingly important with the widespread adoption of facial biometrics. Due to the high facial similarity of both identical twins and look-alikes, these face pairs represent the hardest cases presented to facial recognition tools. This work presents an application of one of the largest twin datasets compiled to date to address two FR challenges: 1) determining a baseline measure of facial similarity between identical twins and 2) applying this similarity measure to determine the impact of doppelgangers, or look-alikes, on FR performance for large face datasets. The facial similarity measure is determined via a deep convolutional neural network. This network is trained on a tailored verification task designed to encourage the network to group together highly similar face pairs in the embedding space and achieves a test AUC of 0.9799. The proposed network provides a quantitative similarity score for any two given faces and has been applied to large-scale face datasets to identify similar face pairs. An additional analysis which correlates the comparison score returned by a facial recognition tool and the similarity score returned by the proposed network has also been performed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google