FunFace：顔認識のための特徴量ユーティリティとノルム推定

要旨: 顔認識（FR）は、エンターテインメントや銀行からセキュリティや監視まで、さまざまなアプリケーション領域で使用されています。これらのアプリケーションは、FRモデルが頑健であり、幅広い状況で良好に機能することに依存しています。そのために、最先端のFRモデルは通常、特徴量ノルムを、識別可能性や知覚的な画像品質といったサンプル品質に関連する概念に結び付ける、表現力のある適応的マージン損失関数を用います。近年、顔画像品質評価（FIQA）技術の開発により、生体情報としての有用性（biometric utility）が、顔画像の品質を測るための好ましい指標となり、解像度、ぼけ、照明といった、一般的な画像品質に紐づくより人間中心的な側面よりも、顔認識におけるサンプルの有用性を予測するうえで優れた指標であることが示されました。特徴量ノルムによって表現される画像品質は生体情報としての有用性と一定程度相関しますが、有用性のあらゆる側面を完全には捉えていません。この点に対処するために、本研究では新しい適応的マージン損失である FunFace（利用性とノルム推定による顔認識）を提案します。これは AdaFace から着想を得ており、適応的マージンに Certainty Ratio によって推定される生体情報としての有用性を組み込みます。FunFace（顔認識モデルの学習に用いた場合）が、高品質サンプルを含むベンチマークにおいて他の最先端FRモデルと競争力のある結果を達成する一方で、低品質ベンチマークではそれらを上回ることを示します。