Radar de pesquisaReconhecimento facialarXivJulho de 2026

Radar mensal do arXiv

Artigos sobre reconhecimento facial de julho de 2026: Modelos de base sintética, NIR para veículos em movimento e câmeras sem lente.

Os artigos de julho sobre reconhecimento facial deslocam a discussão da precisão baseada apenas em benchmarks para os dados e sistemas de captura que determinam a qualidade da implementação. Os trabalhos selecionados testam o treinamento sintético com foco na privacidade em duas escalas de dados, introduzem um conjunto de dados de controle de fronteiras multiespectral com sondas através do vidro e medem o que acontece quando a própria câmera é substituída por um codificador óptico sem lente.

O que este mês sinaliza

A adaptação exclusivamente sintética pode tornar um modelo básico de visão geral competitivo para reconhecimento facial, mas a estratégia vencedora muda drasticamente com o volume de dados. O DriveFace demonstra que um modelo de incorporação robusto ainda enfrenta erros significativos quando imagens de cadastro visíveis são comparadas a sondas NIR em movimento através do vidro automotivo. O LFD aprimora ainda mais a pilha de captura, tratando a óptica sem lentes, a reconstrução, a detecção e o reconhecimento como componentes interligados. A lição comum é que o desempenho da implementação depende de todo o processo, da aquisição à incorporação, e não apenas da perda de reconhecimento.

Artigo 012026-07-27cs.CV

IJCB-AFMFR 2026: Competição sobre a adaptação de modelos básicos para reconhecimento facial usando dados de treinamento sintéticos.

arXiv PDF

Autores e instituições

Tahar Chettaoui

Fraunhofer Institute for Computer Graphics Research IGD, Germany

Guray Ozgur

Fraunhofer Institute for Computer Graphics Research IGD, Germany

Technical University of Darmstadt, Germany

Eduarda Caldeira

Fraunhofer Institute for Computer Graphics Research IGD, Germany

Technical University of Darmstadt, Germany

Arturas Nakvosas

Vilnius University, Lithuania

Hatef Otroshi Shahreza

Idiap Research Institute, Switzerland

Sébastien Marcel

Idiap Research Institute, Switzerland

Rishabh Shukla

Indian Institute of Technology Jammu, India

Aditya Takkar

Indian Institute of Technology Jammu, India

Rushil Khullar

Indian Institute of Technology Jammu, India

Lalak Yadav

Indian Institute of Technology Jammu, India

Gourav Gupta

ArogyaPandit Private Limited, India

Anant Gupta

ArogyaPandit Private Limited, India

Shiqi Yu

Southern University of Science and Technology, China

Vitomir Struc

University of Ljubljana, Slovenia

Naser Damer

Fraunhofer Institute for Computer Graphics Research IGD, Germany

Technical University of Darmstadt, Germany

Fadi Boutros

Fraunhofer Institute for Computer Graphics Research IGD, Germany

Que problema resolve

Os desafios anteriores com dados sintéticos misturavam a qualidade do gerador, a escolha da arquitetura backbone e as estratégias de treinamento. Este benchmark corrige o CLIP ViT-L/14 e o gerador IDPERTURB para que o ajuste fino completo, o LoRA, o LoRA com estabilização de classificação e a adaptação somente de projeção possam ser comparados sob os mesmos dados de identidade e conjunto de avaliação.

Resultado-chave

O ajuste fino completo com Sub-Center ArcFace lidera a Trilha de Dados Completos com 95,51% de precisão média nos benchmarks menores e 87,42% de TAR com FAR 1e-5 no IJB-C, contra 76,71% para a linha de base FRoundation. Com dados limitados, o rsLoRA se mostra mais robusto: o Idiap-BSP atinge 94,52% de precisão média e 81,13% de TAR no IJB-C com FAR 1e-5. A avaliação de equidade também varia conforme o regime, com o vencedor na Trilha de Dados Completos atingindo 91,70% de precisão média RFW e o vencedor na Trilha de Dados Limitados, 88,92%.

Resumo

Este artigo apresenta um resumo da Competição de Adaptação de Modelos Fundamentais para Reconhecimento Facial Usando Dados de Treinamento Sintéticos (AFMFR), realizada na Conferência Internacional Conjunta de Biometria de 2026 (IJCB 2026). A competição recebeu um total de oito submissões válidas de quatro equipes distintas, distribuídas em duas vertentes complementares: uma Vertente de Dados Completos, na qual os participantes adaptam o modelo fundamental CLIP ViT-L/14 usando dados de identidade sintéticos em larga escala, e uma Vertente de Dados Limitados, projetada para refletir regimes de adaptação com recursos mais restritos. Todos os dados de treinamento foram gerados exclusivamente usando o IDPERTURB. As soluções submetidas são classificadas com base no desempenho de verificação e identificação em um conjunto diversificado de benchmarks, incluindo LFW, CFP-FP, AgeDB-30, CALFW, CPLFW, IJB-B, IJB-C e TinyFace, usando o método de contagem de Borda. A avaliação de imparcialidade também é realizada no conjunto de dados RFW, abrangendo quatro grupos demográficos. Os resultados demonstram que a adaptação do modelo CLIP Foundation com dados de treinamento sintéticos melhora substancialmente o modelo padrão e, em vários casos, supera o modelo de referência. Notavelmente, o ajuste fino completo com Sub-Center ArcFace (DMSTI-Neurotechnology) lidera a categoria de Dados Completos, enquanto a adaptação LoRA com estabilização de classificação (Idiap-BSP) se mostra mais eficaz em condições de dados limitados.

Ponto de partida da pesquisa

Os desenvolvedores de reconhecimento facial enfrentam cada vez mais a falta de conjuntos de treinamento amplos e com consentimento de rostos reais, enquanto os modelos básicos de visão computacional não são suficientemente discriminativos em pontos de operação biométricos estritos sem adaptação. A competição questiona se identidades sintéticas podem fornecer essa adaptação e quanta capacidade de treinamento é apropriada quando o conjunto sintético disponível muda em mais de uma ordem de magnitude.

Método

A competição define uma Trilha de Dados Completos com cerca de três milhões de imagens de 35.000 identidades sintéticas e uma Trilha de Dados Limitados com 250.000 imagens de 5.000 identidades. Oito submissões válidas são pontuadas com uma agregação de Borda em cinco pequenos conjuntos de verificação: IJB-B, IJB-C e TinyFace, enquanto o RFW mede a dispersão de desempenho em quatro grupos demográficos. Os métodos submetidos exploram atualizações de backbone completo, classificações LoRA e rsLoRA, perdas de margem, aumento de dados e ajuste de projeção leve.

Síntese do artigo

Para equipes que adaptam uma grande infraestrutura visual, o volume de dados sintéticos deve orientar a estratégia de ajuste. O ajuste fino completo compensa em escalas de milhões de imagens, enquanto o rsLoRA de alta classificação atua como um regularizador útil quando as identidades e as imagens são limitadas; é improvável que uma única receita seja ideal para ambos os cenários.

Artigo 022026-07-15cs.CV

DriveFace: Um conjunto de dados de reconhecimento facial através do vidro com análise espectral cruzada para controle de fronteiras veiculares em movimento.

arXiv PDF

Autores e instituições

Anjith George

Idiap Research Institute, Switzerland

Luis S. Luevano

Idiap Research Institute, Switzerland

Alain Komaty

Idiap Research Institute, Switzerland

Zeina Al Amine

Idiap Research Institute, Switzerland

Vidit Vidit

Idiap Research Institute, Switzerland

Sebastien Marcel

Idiap Research Institute, Switzerland

University of Lausanne, Switzerland

Que problema resolve

O DriveFace supre a ausência de um benchmark público que conecte o cadastro RGB de smartphones à captura externa de veículos por infravermelho próximo. Ele também inclui um subconjunto de ataque de apresentação, permitindo que a segurança do reconhecimento e da captura seja estudada sob a mesma geometria operacional.

Resultado-chave

A correspondência em ambientes externos é relativamente forte, com o AdaFace atingindo 99,45% de AUC, 2,69% de EER e 97,42% de Rank-1. A simulação de matiz é mais difícil: o melhor AUC é de 96,23%, e o xEdgeFace registra 8,09% de EER e 88,63% de verificação com 1% de FAR. As linhas de base do PAD também pioram em ataques desconhecidos; o melhor ACER relatado para máscaras desconhecidas é de 26,20%, apesar dos baixos erros no protocolo de ataque conhecido.

Resumo

O crescimento contínuo da mobilidade transfronteiriça exerce uma pressão cada vez maior sobre as infraestruturas de controlo de fronteiras existentes, motivando a autenticação biométrica em movimento, na qual os viajantes são identificados diretamente dentro dos seus veículos nos postos de controlo. O reconhecimento facial é particularmente adequado a este contexto, uma vez que pode ser adquirido passivamente e à distância. O seu desenvolvimento, contudo, é dificultado pela falta de conjuntos de dados representativos: os benchmarks existentes são recolhidos em ambientes controlados e não abrangem os desafios inerentes à aquisição veicular, incluindo desfoque de movimento, iluminação variável, oclusões e registo espectral cruzado. Para colmatar esta lacuna, apresentamos um conjunto de dados para reconhecimento facial em movimento em cenários de controlo de fronteiras, composto por vídeos NIR de veículos a atravessar fronteiras, combinados com dados de pré-registo obtidos por smartphone. As avaliações de referência com modelos de última geração demonstram limitações de desempenho claras nestas condições realistas, destacando a necessidade de métodos específicos para o avanço da área.

Ponto de partida da pesquisa

Os pontos de controle de veículos se beneficiariam da identificação de viajantes pré-cadastrados sem exigir que eles saiam do carro, mas a imagem captada pela sonda é capturada através de vidros reflexivos ou fumê, frequentemente enquanto o veículo ou o indivíduo está em movimento. Os conjuntos de dados VIS-NIR existentes para ambientes internos não combinam essa degradação óptica com informações sobre perfil, condições climáticas, velocidade e cadastro entre sessões.

Método

O conjunto de dados acompanha 70 voluntários que consentiram em participar de duas sessões e registra o cadastro via smartphone, além de sondas NIR externas, internas de veículos e com simulação de tonalidade do vidro. Os metadados abrangem tonalidade do vidro, iluminação, posição da cabeça, clima e velocidade do veículo. Protocolos de treinamento e teste independentes de identidade avaliam AdaFace, LVFace, EdgeFace e uma versão adaptada espectralmente do xEdgeFace usando AUC, EER, taxa de verificação com 1% de FAR e identificação de Rank-1; protocolos PAD separados abrangem ataques de impressão ou máscara conhecidos e desconhecidos.

Síntese do artigo

O DriveFace é valioso como conjunto de dados para testes de aceitação em implantações veiculares e de fronteira, pois reúne cadastro, espectro do sensor, vidro, movimento e falsificação em um único protocolo. Seus números de referência alertam que boas pontuações de reconhecimento facial sem restrições não garantem uma margem de segurança adequada em capturas com espectro cruzado e cores distorcidas.

Artigo 032026-07-11cs.CV

LFD: Viabilizando o reconhecimento facial sem lentes no mundo real com um conjunto de dados em larga escala.

arXiv PDF

Autores e instituições

Junho Kim

Department of Electrical and Computer Engineering, Rice University, Houston, Texas, USA

Salman S. Khan

Department of Electrical and Computer Engineering, Rice University, Houston, Texas, USA

Sara Wan

Department of Electrical and Computer Engineering, Rice University, Houston, Texas, USA

Tomi Kuye

Department of Electrical and Computer Engineering, Rice University, Houston, Texas, USA

Ashok Veeraraghavan

Department of Electrical and Computer Engineering, Rice University, Houston, Texas, USA

Que problema resolve

A área carecia de um conjunto de dados substancial que combinasse medições reais sem lentes, imagens reconstruídas e imagens faciais convencionais em condições internas e externas. Essa lacuna dificultava a distinção entre a qualidade da reconstrução e as falhas do detector e do reconhecedor, ou ainda testar se um modelo é transferível entre diferentes codificadores ópticos.

Resultado-chave

No Protótipo 1, o reconhecedor treinado com LFD atinge AUC de 0,946 no conjunto de imagens "Fácil" em ambientes internos, 0,808 em ambientes externos, 0,851 no conjunto completo e 0,778 no conjunto difícil. O modelo correspondente com imagens padrão alcança pontuações de 0,884, 0,625, 0,763 e 0,599. Com uma taxa de falsos positivos (FPR) de 0,05% na correspondência entre modalidades, as reconstruções com LFD atingem uma taxa de verdadeiros positivos (TPR) de 77,30%, em comparação com 66,02% para os dados anteriores do FCFD FlatNet, e essa vantagem persiste em um segundo protótipo óptico.

Resumo

O reconhecimento facial é uma tarefa de visão computacional amplamente utilizada, com diversas aplicações, desde a biometria em smartphones até sistemas de segurança de alta complexidade. A maioria dos sistemas de reconhecimento facial depende de câmeras tradicionais, que frequentemente apresentam limitações como tamanho volumoso, alto custo e proteção de privacidade limitada. Para superar essas limitações, as câmeras sem lente surgiram como uma alternativa. Essas câmeras utilizam codificadores ópticos finos, permitindo tamanho reduzido, custo menor e maior flexibilidade de design. Normalmente, elas são combinadas com algoritmos de reconstrução que convertem as imagens brutas em imagens reconhecíveis. No entanto, as imagens reconstruídas frequentemente contêm artefatos, e os métodos de reconstrução têm dificuldade em generalizar bem para condições do mundo real. Além disso, os conjuntos de dados faciais existentes não levam em consideração os artefatos presentes nas imagens sem lente. Para solucionar esse problema, apresentamos o Conjunto de Dados Faciais sem Lente (LFD). O LFD compreende 21.080 medições brutas, reconstruções e imagens padrão de rostos capturados sob diferentes condições de iluminação, ângulo e distância. Nossas principais contribuições são: (1) Dados faciais sem lentes do mundo real: o LFD concentra-se na captura de um conjunto de dados faciais diversificado com diferentes níveis de artefatos introduzidos em diferentes ambientes; (2) Capturas em ambientes externos: 4.976 imagens foram capturadas em ambientes externos com diferentes intensidades de luz natural e padrões de fundo variados; (3) Múltiplos dispositivos sem lentes: o LFD inclui imagens faciais coletadas de três tipos diferentes de câmeras sem lentes, cada uma com um codificador óptico exclusivo. Usamos essa diversidade de hardware para demonstrar a generalização entre diferentes câmeras sem lentes. Por meio de avaliações e análises abrangentes, mostramos que o LFD captura com eficácia características e artefatos compartilhados entre diferentes dispositivos de imagem sem lentes, tornando-o um conjunto de dados valioso para o avanço do reconhecimento facial sem lentes.

Ponto de partida da pesquisa

As câmeras sem lente substituem lentes volumosas por elementos ópticos codificados e finos, o que pode reduzir o tamanho e expor menos imagens legíveis ao olho humano no sensor. Suas reconstruções, no entanto, contêm desfoque, distorção de cor e vinheta específicos do dispositivo; portanto, modelos de reconhecimento treinados em fotografias normais ou medições simuladas não são transferidos de forma confiável para capturas físicas.

Método

O LFD coleta 21.080 medições brutas sem lentes, reconstruções e imagens padrão, incluindo 4.976 imagens externas e capturas de três designs de câmeras sem lentes. Os autores treinam os componentes de reconstrução e detecção facial separadamente e, em seguida, comparam os reconhecedores SENet treinados em imagens padrão VGGFace2, reconstruções simuladas sem lentes ou a divisão de treinamento físico do LFD. A verificação utiliza pares positivos e negativos balanceados em subconjuntos fáceis, externos, completos e difíceis, seguida por testes entre dispositivos.

Síntese do artigo

O LFD demonstra que um produto biométrico sem lentes deve ser treinado com base em artefatos reais do sensor, em vez de tratar a reconstrução como uma etapa transparente de pré-processamento. Ele fornece uma base concreta para avaliar câmeras compactas ou voltadas para privacidade, enquanto a lacuna remanescente em ambientes externos mostra que o benefício do hardware ainda acarreta um custo substancial de reconhecimento.