A Comparative Study on Synthetic Facial Data Generation Techniques for Face Recognition
Notice bibliographique
Résumé
Face recognition has become a widely adopted method for user authentication and identification, with applications in various domains such as secure access, law enforcement, and locating missing persons. The success of this technology is largely attributed to deep learning, which leverages large datasets and effective loss functions to achieve highly discriminative features. Despite its advancements, face recognition still faces challenges in areas such as explainability, demographic bias, privacy and robustness against aging, pose variations, illumination changes, occlusions, and expressions. Additionally, the emergence of privacy regulations has led to the discontinuation of several well-established datasets, raising legal, ethical, and privacy concerns. To address these issues, synthetic facial data generation has been proposed as a solution. This technique not only mitigates privacy concerns but also allows for comprehensive experimentation with facial attributes that cause bias, helps alleviate demographic bias, and provides complementary data to enhance models trained with real data. Competitions, such as the FRCSyn and SDFR, have been organized to explore the limitations and potential of face recognition technology trained with synthetic data. This paper compares the effectiveness of established synthetic face datasets with different generation techniques in face recognition tasks. We benchmark the accuracy of seven mainstream datasets, providing a vivid comparison of approaches that are not explicitly contrasted in the literature. Our experiments highlight the diverse techniques used to address the synthetic facial data generation problem and present a comprehensive benchmark of the area. The results demonstrate the effectiveness of various methods in generating synthetic facial data with realistic variations, evidencing the diverse techniques used to deal with the problem.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».