SIG: A Synthetic Identity Generation Pipeline for Generating Evaluation Datasets for Face Recognition
تقدم هذه الورقة مسار توليد الهوية الاصطناعية (SIG)، وهو وسيلة لإنشاء مجموعات بيانات وجوه اصطناعية مستمدة من مصادر أخلاقية، ومتوازنة، وقابلة للتحكم للتغلب على التحديات اللوجستية وتحديات الخصوصية لجمع البيانات التقليدي، وتثبت فعاليتها من خلال إصدار مجموعة بيانات ControlFace10k مفتوحة المصدر لتقييم خوارزميات التعرف على الوجوه والتحيز.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في العالم الحديث، يُطلب من الكاميرات وأجهزة الكمبيوتر بشكل متزايد القيام بعمل العيون البشرية، من خلال تحديد هوية الأشخاص في المطارات والملاعب والحدود بسرعة وموثوقية. ولكي تعمل هذه الأنظمة بإنصاف ودقة، يجب اختبارها مقابل مجموعة متنوعة من الوجوه التي تمثل أعماراً، ولغات بشرة، وجنسيات مختلفة، ويتم التقاطها من زوايا متعددة. ومع ذلك، فإن جمع مثل هذه المجموعة المتنوعة من صور البشر الحقيقيين محفوف بالصعوبات؛ فجمع الصور بالحصول على موافقة كل شخص مشارك هو أمر بطيء ومكلف، بينما يثير سحب الصور من الإنترنت دون إذن مخاوف أخلاقية وقانونية خطيرة. وهذا يخلق فجوة: يحتاج الباحثون إلى بيانات متوازنة وعالية الجودة لاختبار ما إذا كانت أنظمتهم متحيزة، لكن لا يمكنهم الحصول عليها بسهولة من العالم الحقيقي.
لسد هذه الفجوة، طور فريق من الباحثين في جامعة ساوثرن ميمستريد يونيفيرسيتي (Southern Methodist University) طريقة جديدة لإنشاء البيانات التي يحتاجونها من الصفر. لقد بنوا مسار عمل، أطلقوا عليه اسم SIG، يستخدم تقنية توليد الصور المتقدمة لإنتاج صور واقعية لأشخاص غير موجودين. هذه الوجوه الاصطناعية ليست عشوائية؛ إذ يسمح النظام للمبتكرين بتحديد شكل الشخص بدقة، والتحكم في عمره، وعرقه، وجنسه، وحتى زاوية رأسه. ومن خلال توليد هذه الصور، أنتج الفريق مجموعة بيانات جديدة تسمى ControlFace10k، والتي تحتوي على أكثر من 10,000 صورة لأكثر من 3,300 فرد فريد اصطناعي. هذه المجموعة متوازنة تماماً، مع أعداد متساوية من الناس من خلفيات عرقية وأعمار وأجناس مختلفة، مما يوفر أداة نظيفة وأخلاقية لاختبار مدى كفاءة أنظمة التعرف على الوجه عبر المجموعات المختلفة.
تبدأ العملية بمعماري رقمي يكتب أوصافاً تفصيلية، أو "مطالبات" (prompts)، لمولد الصور. فبدلاً من مجرد طلب "وجه"، يدمج النظام أسماء وسمات محددة لإنشاء هوية فريدة. ثم يستخدم محرك توليد صور قوياً، يعمل عن طريق البدء بصورة مشوشة تشبه الضجيج (static-like image) ثم صقلها تدريجياً حتى يظهر وجه واضح، مسترشداً بالوصف النصي. ولضمان ظهور الوجوه في وضعيات محددة — مثل النظر لليسار، أو اليمين، أو للأمام مباشرة — يستخدم النظام آلية تحكم تعمل بمثابة هيكل عظمي، حيث تقوم برسم موضع الجسم المطلوب على الصورة الجديدة. وهذا يسمح للباحثين بتوليد نفس الشخص وهو ينظر في ثلاثة اتجاهات مختلفة، مما يضمن اختبار النظام على مدى قدرته على التعرف على هوية واحدة رغم تغير الوضعية.
النتيجة هي ControlFace10k، وهي مجموعة بيانات تحتوي على 3,336 هوية اصطناعية فريدة. يتم تمثيل كل هوية بصور لشخص في ثلاثة أعمار مختلفة — 25، و50، و65 عاماً — وعبر أربع مجموعات عرقية رئيسية: الأفريقية، والآسيوية، والقوقازية، والهندية. كما تم تقسيم المجموعة بالتساوي بين الرجال والنساء. وخلافاً للعديد من المحاولات السابقة لإنشاء وجوه مزيفة، والتي غالباً ما كانت تؤدي إلى صور تبدو غريبة بعض الشيء أو تفشل في الحفاظ على هوية ثابتة عبر الصور المختلفة، ينتج مسار العمل هذا صوراً فائقة الواقعية بإضاءة وتركيز مثاليين. ويؤكد الباحثون أن الهدف لم يكن إنشاء بيانات تدريب مثالية، بل إنشاء بيئة محكومة حيث يمكنهم قياس كيفية سلوك نظام التعرف على الوجه بدقة عند مواجهة متغيرات محددة ومتوازنة.
ولمعرفة ما إذا كانت هذه البيانات الاصطناعية مفيدة، اختبر الفريق هذه البيانات مقابل اثنين من أكثر أنظمة التعرف على الوجه تقدماً المتاحة حالياً. قاموا بتغذية الصور في هذه الأنظمة لمعرفة كيف تقيم الآلات التشابه بين الوجوه المختلفة. وأظهرت النتائج أن الوجوه الاصطناعية تتصرف تماماً مثل الوجوه البشرية الحقيقية. فعندما قارنت الأنظمة بين شخصين مختلفين، كانت الدرجات منخفضة، مما يشير إلى أن الأنظمة حددت بشكل صحيح أنهما غريبان. وعندما قارنت الأنظمة بين ثلاث صور مختلفة لنفس الشخص الاصطناعي، كانت الدرجات عالية، مما أظهر أن النظام قد تعرف على الهوية. ومع ذلك، كشفت الاختبارات أيضاً أن الأنظمة لا تزال تواجه صعوبة عندما يتم عرض نفس الشخص من زوايا مختلفة، وهو تحدٍ شائع في السيناريوهات الواقعية.
كما سلط التحليل الضوء على اختلافات دقيقة في كيفية تعامل الأنظمة مع المجموعات العرقية المختلفة. فعلى سبيل المثال، أعطى أحد الأنظمة المختبرة درجات تشابه أعلى قليلاً لوجوه الأفراد الأفارقة والهنود مقارنة بالآخرين، مما يشير إلى تحيز محتمل في كيفية معالجة تلك الخوارزمية لتلك الملامح. ولأن مجموعة البيانات كانت متوازنة تماماً، فقد برزت هذه الأنماط بوضوح، بينما قد تكون مخفية في مجموعة بيانات حقيقية "فوضوية" حيث تكون بعض المجموعات ممثلة تمثيلاً ناقصاً. وهذا يوضح قيمة النهج الاصطناعي: فهو يوفر مرآة واضحة وغير منحازة لتعكس نقاط القوة والضعف في التكنولوجيا.
يخلص الباحثون إلى أنه على الرغم من أن مجموعة البيانات الاصطناعية هذه ليست بديلاً لجميع بيانات العالم الحقيقي، إلا أنها أداة قوية للتقييم. فهي تتيح للعلماء اختبار سيناريوهات محددة، مثل كيفية تعامل النظام مع التقدم في السن أو الوضعيات المختلفة، دون العقبات الأخلاقية واللوجستية لجمع الصور الحقيقية. ومن خلال جعل مجموعة البيانات هذه متاحة مجاناً، يأمل الفريق في تشجيع نهج أكثر صرامة وإنصافاً لتطوير تقنية التعرف على الوجه، لضمان عمل هذه الأنظمة بموثوقية للجميع، بغض النظر عن مظهرهم أو الزاوية التي يُنظر إليها.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.