老龄化的问题是，在考虑面部识别或面对身份验证的生物识别技术时，立法者也可以咀嚼一个特别艰难的掘金。辩论中有微妙之处，尤其是年龄保证尽管英国监管机构对柜台发表了陈述，但在年轻的面孔上已被证明是准确的。
但是，由戈尔韦大学研究人员领导的一支团队说：“值得注意的是，随着时间的流逝，个人生物特征的变化。”鉴于这一点，很难说“一个强大的年龄不变性的说法面部识别系统应对衰老和维持面部识别技术的可靠性和准确性所带来的挑战至关重要。”
这个概念为新论文探讨了“利用合成衰老数据来提高鲁棒性的可行性面部识别模型最终可以帮助人们在更广泛的年龄间隔中认识到人们。”
该团队的方法涉及设计一组实验，以评估尖端的合成衰老方法，然后测试年龄间隔对当前基于深度学习的影响面部识别算法通过结合合成和实际衰老数据以执行“严格的训练和验证”。
“实验结果表明，在合成老化图像训练的模型的识别率比基线模型的结果高3.33％，该模型的结果在年龄差距为40岁的图像上进行测试，这证明了已量化的合成时代数据的潜力，这些数据已被量化以增强Invariant的性能。面部识别系统。”
用更简单的话来说，对于并非旨在考虑衰老的面部识别系统，合成衰老数据有助于提高准确性。
本文确实指出，在许多情况下，定期提交新照片是有效的，就像何时更新护照。但这突出了异常用例，例如跟踪多年失踪的人。尽管作者承认：“尽管合成时代的进步（例如SAM，CUSP和Agetransgan）的进步，但与现实世界图像相比，这些方法仍然在保留面部身份方面存在局限性，”他们最终声称赢得了同步老化技术的胜利。
“作为最终的研究结果，我们得出的结论是，利用合成时代图像用于训练目的表明了面部识别算法与年龄差距承诺的强大结果。”
免费合成面部数据集包含10,000个身份
那些想要即时访问的人合成面部数据对于算法培训，可以下载面部识别数据集Synmulti-Pie，该数据集已由Biometrics安全和隐私组免费提供IDIAP研究所。
在邮政该研究所的高级成员塞巴斯蒂安·马塞尔（SébastienMarcel）在LinkedIn上说，该数据集包含10,000个合成身份，每个身份都有18种变化（姿势，照明和表达）。”可用于在这里下载。
