Articles sur la reconnaissance faciale d’août 2026 : déploiement en basse résolution, compression sous 1 kB et équité au Brésil

Les articles de reconnaissance faciale d’août se concentrent sur les contraintes qui ne deviennent visibles qu’après qu’un modèle ait quitté un benchmark propre. Les études sélectionnées testent des sondes natives à basse résolution plutôt que de faire confiance à la dégradation synthétique, quantifient quels codecs conservent leur identité à 1 024 et 512 octets, et auditent la vidéo publique compressée avec des catégories démographiques brésiliennes et des strates de difficulté explicites.

Ce que révèle ce mois-ci

L’étude à basse résolution avertit que la dégradation synthétique qui l’emporte lors des tests de type LFW peut être le mauvais choix pour les sondes TinyFace natives. Le benchmark de compression montre un changement de régime tout aussi net : plusieurs codecs familiers fonctionnent près de 1 Ko mais s’effondrent à 512 B, où un codec appris à budget octet devient précieux. UFPR-PE démontre alors que les écarts démographiques augmentent considérablement dans le sous-ensemble visuel dur et peuvent changer d’ordre entre les protocoles d’identification. Sur les trois, la qualité de production dépend du test du régime réel de capture et de stockage plutôt que d’extrapoler à partir d’un proxy pratique.

Article 012026-08-06cs.CV

Améliorer la reconnaissance faciale à basse résolution sous des données limitées : comment la génération de données synthétiques peut combler l’écart de domaine

arXiv PDF

Auteurs & institutions

Luis S. Luevano

Idiap Research Institute, Switzerland

Ünsal Öztürk

Idiap Research Institute, Switzerland

Hatef Otroshi Shahreza

Idiap Research Institute, Switzerland

Anjith George

Idiap Research Institute, Switzerland

Sébastien Marcel

Idiap Research Institute, Switzerland

Problème traité

L’étude se demande quelle stratégie synthétique à basse résolution aide réellement un reconnaisseur de visages compact lorsque les données natives marquées sont limitées, et si les conclusions tirées de tests de type LFW artificiellement sous-échantillonnés survivent sur de vraies sondes TinyFace. Elle établit également une base d’entrée directe afin que les modules de super-résolution et de traduction doivent prouver qu’ils préservent leur identité plutôt que d’améliorer simplement l’apparence visuelle.

Résultat clé

Les tests synthétiques favorisaient une dégradation de 28 pixels, mais ce même réglage était en dessous du seuil de référence entraîné haute résolution sur le TinyFace réel. L’augmentation d’interpolation plus douce sur 56 pixels était la meilleure configuration compacte, faisant passer le mAP de TinyFace de 52,55 à 54,68 et l’identification de rang 1 de 59,66 % à 61,40 %. Le pipeline de super-résolution et traduction de domaine RRDB appris n’a atteint que 57,53 mAP avec la base EdgeFace, contre 65,12 pour l’entrée directe. La distillation de connaissances a apporté les gains synthétiques les plus importants mais ne s’est pas transférée à la basse résolution native, montrant que la fidélité de synthèse, et non la complexité, est le facteur limitant.

Résumé

Les systèmes de reconnaissance faciale (FR) dans les environnements de surveillance rencontrent souvent des visages de basse résolution (LR), ceux dont la région faciale est inférieure à la taille d’entrée standard de 112 $\ fois 112 $. Bien que les données d’entraînement haute résolution (HR) étiquetées soient abondantes, les données native LR, et surtout toutes les données LR/HR appariées, sont rares. Une solution consiste à synthétiser les données LR à partir des visages HR disponibles, mais l’effort de synthèse est récompensé en précision reste incertain. Nous présentons une étude de stratégies simples de génération synthétique pour un système compact orienté dispositif de périphérie, couvrant la dégradation basée sur l’interpolation, la distillation de connaissances, un Transformateur de Domaine Prépendé (PDT), la dégradation de type Real ESRGAN, et un front-end Super Resolution (SR) appris avec une perte consciente de l’identité. Nous évaluons ces stratégies sur des benchmarks faciaux synthétiques à résolution croisée (LFW, CFP-FP, AgeDB-30) et sur TinyFace, un jeu de données LR natif du monde réel, et exposons un écart synthétique-réel : le réglage de dégradation optimal sur les benchmarks synthétiques n’est pas celui optimal sur le LR réel. Nous constatons que plus d’efforts de synthèse ne sont pas efficaces de manière monotone : le front-end SR appris ne dépasse pas un flux direct de l’image LR alignée vers un backbone solide, tandis que l’augmentation simple par interpolation d’un backbone compact est la seule synthèse qui s’améliore par rapport à sa propre baseline. Nous concluons que les méthodes génératives pour la reconnaissance faciale LR doivent être validées sur LR réelle et par rapport à une base à alimentation directe, et libérons notre pipeline à https://idiap.ch/paper/synth-lrfr

Point de départ de la recherche

Les systèmes de surveillance et de liste de surveillance comparent régulièrement une image d’inscription de haute qualité avec une sonde dont le visage aligné est bien plus petit que l’entrée standard de 112 par 112. Les identités natives basse résolution, en particulier les captures jumelées à basse et haute résolution de la même personne, sont rares, si bien que les équipes fabriquent souvent des données d’entraînement à basse résolution à partir de nombreux visages à haute résolution. Le risque pratique est qu’une recette de dégradation puisse obtenir de bons résultats sur des benchmarks synthétiques tout en enseignant au reconnaisseur des indices qui ne ressemblent pas à des erreurs de flou, de bruit, de compression ou d’alignement provenant de caméras réelles.

Méthode

Les auteurs utilisent la colonne vertébrale EdgeFace-S de 3,65 millions de paramètres et comparent cinq niveaux d’effort d’adaptation : augmentation downsampling et upsampling basée sur interpolation, distillation des connaissances enseignante haute résolution, transformateur de domaine prépendé, une tige native de 32 pixels entraînée avec des dégradations de type Real-ESRGAN, et une interface super-résolution apprise consciente de l’identité. Ils évaluent la vérification high-to-low et low-to-low sur LFW, CFP-FP et AgeDB-30, puis répètent la comparaison sur TinyFace natif basse résolution sous deux pipelines d’alignement. Un modèle EdgeFace gelé plus grand fournit la référence pour tester si un front-end génératif bat le fait d’alimenter directement la sonde alignée à un reconnaisseur fort.

À retenir

Pour un déploiement en périphérie ou en surveillance, validez chaque recette basse résolution sur des faces basse résolution véritablement capturées et maintenez une base de base en alimentation directe forte. Une augmentation simple et légère par interpolation peut être un meilleur investissement qu’une pile super-résolution ; les gains synthétiques uniquement à des résolutions agressives ne sont pas une preuve fiable des performances sur le terrain.

Article 022026-08-24cs.CV

Vers une compression faciale préservant l’identité en dessous de 1 kB : un benchmark des codecs, un codec appris sur mesure, et des études sur la résolution, l’équité démographique, la recompression et la robustesse adversaire

arXiv PDF

Auteurs & institutions

Petr Hurtik

Innovatrics, Slovakia

Jakub Sochor

Innovatrics, Slovakia

Problème traité

Ce travail transforme le stockage en face sous le kilo-octet en une référence de déploiement contrôlée au lieu d’une comparaison de codec unique. Il identifie les points de fonctionnement spécifiques au budget, teste si les métriques de qualité d’image prédisent l’utilité biométrique, et construit un codec appris dont la sortie est garantie de rester dans la limite d’octets demandée.

Résultat clé

Avec 1 024 octets et 112 pixels, les codecs modernes sont presque opérationnellement résolus sur Color FERRET : WebP et AVIF atteignent 0,09 % d’EER avec ArcFace. Avec 512 octets, cependant, AVIF, HEIF, JPEG XL et JPEG hérités atteignent 28-98 % de FNMR à FMR 1e-4, tandis que le codec appris précis atteint 1,83 % sur Color FERET et 6,9 % sur AI-Solutions-KK, contre 2,86 % pour JPEG-AI et 24,3 % pour WebP respectivement. L’ordre des codecs est largement invariant par l’épine dorsale (W de Kendall). La plupart des codecs n’ajoutent pas plus de 1,7 point de pourcentage d’écart démographique EER, mais JPEG 2000 ajoute 3,4 à 5,0 points et préserve également mal l’identité.

Résumé

Stocker les images faciales sous un budget strict inférieur au kilo-octet, comme l’exige pour les documents d’identité, la biométrie des cartes à puce et la vérification en bande passante limitée, force un codec à supprimer la majeure partie du signal tout en conservant ce qu’un apparisseur de visages lit réellement : l’identité. Les codecs génériques optimisent la fidélité des pixels, pas les distances d’intégration qui pilotent la vérification, donc quel codec, résolution et réglage préservent le mieux l’identité à 1024 octets ou moins, et comment cela se dégrade à 512, reste incertain. Nous comparons dix codecs généraux et spécifiques aux visages selon les résolutions, les budgets d’octets, deux jeux de données (Color FERRET contrôlé, in-the-wild AI-Solutions-KK) et quatre apparieurs de visages ancrages, avec un roster de quatorze modèles ViT et CNN confirmant que le classement est invariant à la colonne vertébrale. Nous entraînons ensuite un codec personnalisé qui préserver l’identité et atteint exactement le budget octets via une recherche binaire sur une table de gain gelée, et réalisons quatre études : résolution, équité démographique, recompression et robustesse adversariale sans boîte. La préservation de l’identité en dessous du kilooctet est possible, mais le codec à déployer dépend entièrement du budget. À 1024 octets et la résolution de fonctionnement de 112 px, le problème est presque résolu : les codecs modernes maintiennent le taux d’erreur Color FERET en dessous de 0,35 % sur l’ancrage ArcFace. À 512 octets, le champ se réorganise : AVIF, HEIF, JPEG XL et JPEG hérité s’effondrent à un taux de non-correspondance faux de 28 à 98 % à FMR 1e-4, tandis que WebP, JPEG-AI et nos codecs apprendus à budget octet restent hors de cette fourchette, avec 24,3 % pour WebP contre 6,9 % pour notre variante précise en la nature. Ce retri, et non le classement de 1024 octets, est le résultat opérationnel : un codec choisi à 1 kB n’est pas le codec à déployer à moitié de cette capacité.

Point de départ de la recherche

Les documents d’identité, les cartes à puce et les services de vérification à bande passante limitée peuvent n’avoir que 1 024 ou même 512 octets pour un recadrage de face aligné. Les codecs génériques optimisent la distorsion des pixels plutôt que les distances d’intégration utilisées par un apparieur, et un codec qui est le plus adapté à un budget peut tomber en panne brusquement à un autre. Les acheteurs doivent également savoir si le choix se transfère entre les reconnaisseurs, affecte les groupes démographiques, survit à la recompression et interagit avec des perturbations adverses.

Méthode

Dix codecs polyvalents et orientés visage sont testés à cinq résolutions et deux budgets stricts sur Color FERET contrôlé et AI-Solutions-KK en nature. Quatre apparieurs d’ancrage portent les principales métriques de vérification, tandis qu’un roster ViT/CNN de quatorze modèles vérifie si le classement des codecs dépend de la colonne vertébrale. Les auteurs entraînent également des codecs précis et rapides préservant l’identité avec 18,7 millions de paramètres avec une table de gain gelée à 64 entrées et une recherche binaire pour la conformité exacte au budget. Des études distinctes couvrent les disparités de teint de peau et d’ethnicité, la recompression entre codecs mêmes et croisés, les perturbations adversaires sans case, la latence et la signification statistique.

À retenir

Considérez 1 Ko et 512 B comme des niveaux de produit différents, et non comme des paramètres de qualité voisins. WebP ou AVIF sont des choix sensés et largement déployables autour de 1 Ko, tandis qu’un codec appris à budget d’octets devient nettement plus sûr à 512 B ; les tests biométriques, et non le PSNR ou l’inspection visuelle seule, devraient guider la décision.

Article 032026-08-31cs.CV