據行業專家在國際面部表演會議上講話（行業專家，面部識別將能夠準確地揭露深層餐廳，一次與其他生物識別方式相匹配，並超越其他生物識別方式。IFPC）2022。
這活動的第一天由NIST主辦，重點是面部圖像質量，其評估以及如何改進。
第二天的早期專門針對標準和法規，由歐盟委員會，IDEMIA，UNICRI，挪威ID中心，USG和Rand Corporation的代表進行了演講。
當天的第二部分關於該行業對Face Biomertrics的看法。包括演示者Paravision機器學習技術負責人和經理Neda Eskandari，排名一個計算首席科學家，聯合創始人兼總統布倫丹·克拉爾（Brendan Klare）族裔AI首席科學家Stephane Gentric，以及埃森哲的代表信任郵票。
假數據的真實用途
Eskandari指出，DeepFakes和合成媒體實際上是指一系列不同的假現象，包括不同類型的數據，成像範圍和操縱類型。即使圖像質量在假貨中也有很大變化。
她探討了合成面對算法訓練和基準面部識別模型的價值。
工程師需要謹慎選擇訓練的合成面，合成面和真實面部之間的比例，並確保為每個身份包含多個合成面。
當然，合成數據還以幾種不同的方式提出了威脅。
Paravision研究表明，在真實面孔訓練的面部識別模型往往擅長理解“有關合成面孔的隱藏信息”。 Eskandari說，該公司的原型合成面檢測模型達到了99.7％的準確性。生產深泡探測器也正在進行中。到目前為止，Paravision報告了超過96％的廣義數據集的成功，而無需結合任何現成的模型。
現在面部是最準確的生物識別嗎？
克拉爾（Klare）通過比較不同NIST出版物中各種生物識別方式的1：1匹配率來提出爭議，並詢問Face現在是否是世界上最準確的方式。他認為，其他方式至少並沒有以同樣的速度提高。
這種改進的部分原因是面對克拉爾的原因，是關於一個人的最不私人信息。它們比名稱更容易找到，並且面部圖像的數量比指紋或虹膜圖像高。
Klare說，結果，有了一些警告，算法現在比人類，甚至超級識別者都更準確。
但是，人類干預仍然很重要，但是由於用例設置了擴展，並且由於剩下的挑戰，例如相同的雙胞胎。
審查演示攻擊檢測在各種用例中的重要性，KLARE建議用“真正的拒絕率”和“欺騙性接受率”替換冗長的術語分類錯誤率（BPCER）和攻擊表現分類錯誤率（APCER）。
克拉爾確定的面部識別的另一個領域是化妝。這也影響男女匹配率之間的人口差異。
機場圖像捕獲改進
圖像採集技術也正在迅速提高。與當今使用的時尚機器相比，由Gentric解釋的早期電子門的設計限制使它們變得大而復雜。這是必要的，因為面部生物識別系統對面部姿勢和照明的耐受性低。
Gentric說，今天處理的機場生物識別技術也可能很快就會過時，但是，面部生物識別技術正在改善此舉。質量的圖像選擇大大提高了移動系統的準確性，並且行人檢測或骨骼跟踪通過將給定身份的圖像分組在一起，從而進一步提高了性能。
電子門也可能很快就可以同時將父母與孩子一起匹配。
從RGB相機流推斷的3D深度圖可以幫助確保在適當距離捕獲圖像。
文章主題
準確性|生物識別技術|生物識別研究|深擊|面部識別|族裔|國際面部績效會議（IFPC）|nist|Paravision|鵬|超級公認者|信任郵票
