InsightFace 1.0 ガイド：ローカル顔認識、デスクトップ GUI、企業向け評価

任意の face3d extension がデフォルトでコンパイルされなくなったため、ベース Python package は導入しやすくなりました。これは repository からすべての C++ component が削除されたという意味ではありません。検出、アラインメント、認識だけを使うユーザーが、標準インストール時に compiler cost を負わなくてよいという意味です。

新しい GUI demo は独立した desktop installer ではなく、任意の extra として提供されます。デスクトップ体験が必要な場合は insightface[gui] をインストールし、macOS、Windows、Linux の command line から起動します。

Python services、notebooks、command-line experiments では、まず base package から始めます。FaceAnalysis API と標準的な model behavior は維持しつつ、desktop stack 全体はインストールしません。

最小の smoke test では FaceAnalysis app を作成し、CPU で prepare します。デフォルトの buffalo_l model が InsightFace cache に存在すれば読み込まれ、face boxes、landmarks、512-dimensional recognition embeddings が返ります。検出はデフォルトで SCRFD を使い、default detection size は Auto: 128x128 plus 640x640 です。

GUI dependencies は、デスクトップ Evaluation Studio が必要な場合だけインストールします。GUI workspace はデフォルトで ~/.insightface/gui となり、local settings、indexes、thumbnails、generated reports、saved results を project code から分離できます。

モデルが不足していても GUI は起動できる設計です。Models dialog で model URLs を refresh し、model packs を手動で download し、ONNX Runtime providers を選択し、custom model directory を指定できます。

コードを書かずに identity matching をすばやく試したい場合は Face Recognition mode を使います。1 枚の query image を upload し、1 枚の gallery image を追加すれば 1:1 comparison、複数の gallery images や folders を追加すればローカル 1:N search になります。

Gallery embeddings は gallery が変更されるまで memory に cache されます。画像に複数の顔が含まれる場合は、test に合わせて multi-face handling policy を選びます。実務上の default は largest centered face です。Production thresholds は自社の validation data で決めるべきなので、recognition threshold は可視化し調整可能にしておきます。

Album Management はローカル smart photo organizer として設計されています。1 つ以上の local album directories を追加し、Import / Refresh で folder を再スキャンして新しい画像の features を抽出します。Rebuild All は indexed features を消去し、clusters を最初から再計算します。

Clustering workflow は cosine similarity threshold を使う DBSCAN に基づきます。Face thumbnails と photo thumbnails は compressed WebP blobs として local SQLite に保存され、cluster を選択するとその人物グループの original photos を確認できます。

Enterprise Evaluation mode は、deployment や procurement decision の前に、自社データで InsightFace を検証するための機能です。Identity folders から 1:1 と 1:N evaluation を実行でき、dataset が事前分割されていない場合は Auto Split が各 identity folder から gallery/probe splits を生成できます。

Metrics を実行する前に dataset validation を使い、layout problems と critical face validity issues を検出します。Reports には model/runtime、dataset summary、thresholds、best-threshold accuracy、Top-1、sample counts が十分な場合の TAR@FAR、errors、latency、license status、responsible-use notes、recommended next steps を含めるべきです。

Face Swap mode はローカルの source plus target workflow です。Target は画像または動画に対応し、設定済みの swap model は swap 実行時だけ読み込まれ、生成結果は local workspace に保存されます。

Third-party model を download した後、任意で GFPGAN post-processing を有効化できます。Face Swap trial は別個の authorization path として扱ってください。Source identities を使う前、または generated output を公開する前に、適切な権利、同意、model permission が必要です。

Models では runtime model、provider、detection size、swap model、GFPGAN setting、download location、custom model root を選択します。評価チームはここで commercial または private model artifacts を public model packs と分けて管理できます。

License では code license と model license の違いを確認します。Model files は package code とは異なる権利を持つ場合があり、commercial deployment には正しい model authorization が必要です。InsightFace 1.0.1 では PyPI package metadata license field が削除されましたが、README license guidance は引き続き読むべき情報源です。

すべての処理はデフォルトでローカルです。Images、videos、embeddings、reports は自動 upload されません。Consent、privacy、retention、適用される biometric regulations への compliance はユーザーの責任です。このガイドは実務向け product documentation であり、legal advice ではありません。

Commercial model licensing、private model evaluation、SDK/API access、SLA commitments、on-prem delivery、custom training が必要な場合は InsightFace にお問い合わせください。Evaluation Studio は初期の technical screening に有用ですが、production authorization は model、data、use case、deployment contract によって決まります。