Guia do InsightFace 1.0: reconhecimento facial local, GUI desktop e avaliação empresarial

O pacote Python base agora é mais fácil de instalar porque a extensão opcional face3d não é compilada por padrão. Isso não significa que todo o código C++ foi removido do repository; significa que usuários que precisam apenas de detection, alignment e recognition não pagam o custo de compilação no caminho padrão.

A nova GUI demo é entregue como extra opcional, não como instalador desktop separado. Instale insightface[gui] quando quiser a experiência desktop e inicie pela linha de comando no macOS, Windows ou Linux.

Para Python services, notebooks e command-line experiments, comece pelo base package. Ele mantém a API FaceAnalysis e o comportamento padrão de modelos sem instalar todo o desktop stack.

Um smoke test mínimo deve criar uma FaceAnalysis app, prepará-la em CPU, carregar o modelo buffalo_l se ele já estiver no cache do InsightFace e retornar face boxes, landmarks e embeddings de reconhecimento de 512 dimensões. A detecção SCRFD é usada por padrão, e o default detection size é Auto: 128x128 plus 640x640.

Instale as GUI dependencies apenas quando precisar do Evaluation Studio desktop. O GUI workspace padrão é ~/.insightface/gui, onde local settings, indexes, thumbnails, generated reports e saved results podem ficar separados do código do projeto.

A GUI deve abrir mesmo quando faltam modelos. Use o Models dialog para atualizar model URLs, baixar model packs manualmente, escolher ONNX Runtime providers ou apontar para um custom model directory.

Use Face Recognition mode quando quiser testar identity matching rapidamente sem escrever código. Envie uma query image e adicione uma gallery image para comparação 1:1, ou várias gallery images e folders para search local 1:N.

Os gallery embeddings ficam em cache na memória até a gallery mudar. Quando uma imagem contém várias faces, escolha a multi-face handling policy adequada ao teste; o padrão prático é largest centered face. Mantenha o recognition threshold visível e configurável, porque thresholds de produção devem ser definidos com seus próprios validation data.

Album Management foi criado como um smart photo organizer local. Adicione um ou mais local album directories e execute Import / Refresh para reescanear folders e extrair features de novas imagens. Rebuild All limpa indexed features e recalcula clusters do zero.

O clustering workflow usa DBSCAN com cosine similarity threshold. Face thumbnails e photo thumbnails são armazenados localmente em SQLite como compressed WebP blobs; ao selecionar um cluster, você vê as original photos daquele grupo de pessoa.

Enterprise Evaluation mode ajuda equipes a testar InsightFace em seus próprios dados antes de decisões de deployment ou procurement. Ele suporta avaliação 1:1 e 1:N a partir de identity folders, e Auto Split pode derivar gallery/probe splits de cada identity folder quando o dataset ainda não foi separado.

Antes de rodar métricas, use dataset validation para detectar layout problems e critical face validity issues. Reports devem incluir model/runtime, dataset summary, thresholds, best-threshold accuracy, Top-1, TAR@FAR quando sample counts permitirem, errors, latency, license status, responsible-use notes e recommended next steps.

Face Swap mode é um workflow local source plus target. O target pode ser imagem ou vídeo, o swap model configurado é carregado apenas quando o swap é executado, e os resultados são salvos no local workspace.

O GFPGAN post-processing opcional pode ser ativado após o download do third-party model. Trate testes de face swap como uma authorization path separada: você precisa de direitos, consentimento e model permission adequados antes de usar source identities ou publicar generated output.

Em Models, escolha runtime model, provider, detection size, swap model, GFPGAN setting, download location e custom model root. Também é onde avaliadores podem separar commercial ou private model artifacts de public model packs.

Em License, revise a diferença entre code licenses e model licenses. Model files podem ter direitos diferentes do package code, e commercial deployment exige a model authorization correta. O InsightFace 1.0.1 remove o PyPI package metadata license field, mas a README license guidance continua sendo a fonte a ler.

Todo processamento é local por padrão. Images, videos, embeddings e reports não são enviados automaticamente. Usuários são responsáveis por consent, privacy, retention e compliance com biometric regulations aplicáveis; este guia é documentação prática de produto, não orientação jurídica.

Entre em contato com a InsightFace quando precisar de commercial model licensing, private model evaluation, SDK/API access, compromissos SLA, on-prem delivery ou custom training. O Evaluation Studio é útil para technical screening inicial, mas production authorization depende de model, data, use case e deployment contract.