在過去的幾年中，世界一直在見證基礎模型的力量，在完成各種一般任務的巨大數據集上訓練的機器學習模型，包括與人類（例如Chatgpt）交流。但是，將哪些基礎模型帶入生物識別系統？
總部位於瑞士IDIAP研究所的一份新報告概述了有關使用基礎學基礎模型的當前研究。這紙，標題基礎模型和生物識別技術：調查和前景，還概述了可以引入與生物識別技術有關的問題的進步，例如識別準確性以及增強安全性和隱私性。
“據我們所知，本文是第一項調查基礎模型在生物識別技術中的應用，” IDIAP研究所的高級研究員SébastienMarcel，宣布週四在LinkedIn上。
除了馬塞爾（Marcel），該論文還由該研究所的博士後研究員Hatef Otroshi合著。
目前正在不同領域的基礎模型進行測試，包括自然語言處理，計算機視覺，音頻處理和多模式處理。例如，一些研究表明，預先訓練的多模式大語言模型（例如GPT-4）可以和虹膜數據，沒有任何其他微調。
幾個基準還表明，預先訓練的基礎模型可以有效地對生物識別任務有效，而某些論文則試圖微調預訓練的模型以解決生物識別問題。其他研究人員已經使用自學學習的學習來從未標記的數據中學習生物識別表示，並評估了下游任務的模型。
但是，這項研究還強調了在生物識別技術中應用基礎模型的局限性。
論文指出：“我們可以設想為開發具有更廣泛應用的生物識別基礎模型的更多未來工作，並為不同的生物識別任務提供更好的性能。”
IDIAP研究所正在組織第一個研討會，探索面部和手勢識別任務的基礎模型，名稱為國際基礎，多模式大語言和麵部和手勢識別的生成模型（FM＆LLM＆GM2025）。該研討會將在5月27日至29日之間的IEEE會議系列中舉行有關自動面部和手勢識別的系列。
除了講習班外，該主題還將在在5月19日至20日之間，由研究所與歐洲生物識別協會一起組織（）和識別技術研究中心（）。
文章主題
||||||
