FlowID : Enhancing Forensic Identification with Latent Flow-Matching Models

1. Planteamiento del Problema

En contextos forenses y humanitarios (crímenes, guerras, migración, desastres), la identificación de cuerpos mediante el reconocimiento visual por parte de familiares es un paso crítico. Sin embargo, las fotografías de los fallecidos a menudo presentan daños graves, traumas estructurales o artefactos relacionados con la muerte que dificultan o impiden el reconocimiento.

• Limitaciones actuales: Las herramientas de edición de imágenes tradicionales son manuales, laboriosas y producen resultados subóptimos en casos de trauma severo.
• Desafíos técnicos: Los modelos generativos existentes enfrentan una tensión entre la fidelidad de la identidad (mantener los rasgos que permiten reconocer a la persona) y la capacidad de edición (eliminar los daños). Además, el procesamiento de datos sensibles requiere que se realice localmente (sin enviar a la nube) para garantizar la privacidad, lo que exige modelos eficientes en hardware común.

2. Metodología: FlowID

El artículo propone FlowID, un método de reconstrucción facial que preserva la identidad, basado en modelos de Flow-Matching Latente (específicamente utilizando la arquitectura de Stable Diffusion 3). La metodología se compone de tres pilares fundamentales:

A. Ajuste Fino de Imagen Única (Single-Image Fine-Tuning)

Para abordar el problema de que las imágenes forenses no siguen la distribución de datos de entrenamiento del modelo (out-of-distribution), FlowID realiza un ajuste fino del modelo preentrenado utilizando solo la imagen de entrada y su descripción textual.

• Objetivo: Alinear la imagen de entrada con la distribución del modelo, mejorando la calidad de la "inversión" (el proceso de mapear la imagen de vuelta al espacio latente).
• Resultado: Esto reduce la acumulación de errores numéricos durante la inversión y asegura que la información crítica de la identidad (estructura facial, barba, pose) se recupere con mayor precisión antes de la edición.

B. Edición Localizada con Máscaras Inferidas (Localized Editing with Inferred Masks)

Para evitar que la generación altere rasgos inocuos pero esenciales para la identificación (como tatuajes, joyas o la forma exacta de la nariz), el sistema no edita toda la imagen, sino solo las zonas dañadas.

• Mecanismo: Se utilizan los mapas de atención (attention maps) de las capas intermedias del modelo Transformer (DiT). Estos mapas revelan dónde el modelo está "prestando atención" a conceptos específicos.
• Proceso: Se extraen las interacciones entre los tokens de texto (el concepto a editar, ej. "herida") y los tokens de imagen. Se promedian estos mapas a través de todas las cabezas de atención y bloques, y se binarizan mediante un algoritmo K-means para generar una máscara $M$.
• Aplicación: Durante el proceso de generación inversa, se aplica la máscara para forzar la reconstrucción exacta de las regiones no dañadas (usando la referencia original) mientras se editan las regiones dañadas según el nuevo prompt.

C. Flujo de Trabajo

1. Inversión: Se invierte la imagen original hasta un paso de tiempo $t_s$.
2. Ajuste: Se ajusta el modelo a la imagen específica.
3. Generación de Máscara: Se calcula la máscara basada en la atención en un paso intermedio $t_M$.
4. Edición: Se ejecuta el proceso de generación hacia atrás desde $t_s$, aplicando la máscara para mantener intactas las zonas no dañadas y regenerando las dañadas con el prompt objetivo (ej. "rostro sin heridas").

3. Contribuciones Clave

1. FlowID: Un algoritmo de edición de imágenes que supera a los métodos de código abierto actuales en la tarea de reconstrucción facial forense, equilibrando la eliminación de artefactos violentos con la preservación estricta de la identidad.
2. InjuredFaces: La creación del primer benchmark (punto de referencia) estandarizado para la reconstrucción facial bajo daños severos.
   • Contiene 755 retratos faciales lesionados (de atletas profesionales) y 5,213 imágenes de referencia sin lesiones.
   • Incluye un protocolo de evaluación que mide la preservación de identidad, la eliminación de lesiones y la calidad visual, superando la barrera de privacidad al no usar imágenes forenses reales.
3. Despliegue Local: La solución está diseñada para ser ligera y ejecutarse en hardware de consumo, facilitando su uso en instituciones forenses sin comprometer la privacidad de los datos.

4. Resultados Experimentales

Los experimentos se realizaron comparando FlowID con métodos de vanguardia como UltraEdit, SDEdit, ICEdit, Kontext y RF-Solver.

• En el Benchmark InjuredFaces:
  • Preservación de Identidad: FlowID obtuvo la puntuación más alta (0.50 en similitud de coseno de embeddings), superando significativamente a otros métodos que a menudo alteran la estructura facial global.
  • Eliminación de Lesiones: Logró la puntuación más baja (mejor) en la métrica VLM (Visión-Lenguaje) para detectar lesiones restantes y la mejor alineación con el prompt (CLIP).
  • Calidad Visual: Mantiene un FID y CMMD competitivos, demostrando realismo.
• Generalización (FFHQ): En tareas de edición facial estándar (cambio de color de pelo, gafas, etc.), FlowID también obtuvo la mejor preservación de identidad (0.77) y la menor distorsión perceptual (LPIPS).
• Estudios de Ablación:
  • Sin fine-tuning, la preservación de identidad cae drásticamente (de 0.77 a 0.52).
  • Sin máscaras, la calidad visual se degrada y se alteran detalles finos como tatuajes, reduciendo la fiabilidad del reconocimiento.

5. Significado e Impacto

• Aplicación Real: El algoritmo ya ha sido desplegado en varios sitios forenses en México y Colombia, y ha contribuido a la identificación exitosa de migrantes fallecidos recuperados en el Mediterráneo.
• Beneficio Social: Reduce el tiempo de procesamiento, disminuye la carga cognitiva para los familiares (evitando mostrar imágenes gráficas innecesarias) y acelera el cierre de casos de personas desaparecidas.
• Consideraciones Éticas: El sistema está diseñado para apoyar, no reemplazar, a los profesionales forenses. Todas las imágenes reconstruidas se marcan claramente como "renderizados" y solo se comparten a través de canales oficiales, reconociendo que la reconstrucción es una herramienta de apoyo para el reconocimiento visual, no una prueba definitiva por sí sola.

En resumen, FlowID representa un avance significativo al adaptar la tecnología generativa de última generación a las necesidades críticas y éticas de la identificación forense, resolviendo el compromiso entre editar daños graves y mantener la identidad intacta.