SIG: A Synthetic Identity Generation Pipeline for Generating Evaluation Datasets for Face Recognition
यह शोध पत्र सिंथेटिक आइडेंटिटी जनरेशन (SIG) पाइपलाइन को प्रस्तुत करता है, जो पारंपरिक डेटा संग्रह की लॉजिस्टिक और गोपनीयता चुनौतियों को दूर करने के लिए नैतिक रूप से प्राप्त, संतुलित और नियंत्रणीय सिंथेटिक फेस डेटासेट बनाने की एक विधि है, और चेहरे की पहचान एल्गोरिदम और पूर्वाग्रह के मूल्यांकन के लिए ओपन-सोर्स कंट्रोलफेस10के (ControlFace10k) डेटासेट के रिलीज के माध्यम से इसकी प्रभावशीलता को प्रमाणित करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
आधुनिक दुनिया में, कैमरों और कंप्यूटरों से तेजी से मानव आंखों का काम करने की अपेक्षा की जा रही है, जैसे कि हवाई अड्डों, स्टेडियमों और सीमाओं पर लोगों की पहचान करना। इन प्रणालियों को निष्पक्ष और सटीक रूप से कार्य करने के लिए, उन्हें विभिन्न प्रकार के चेहरों के विरुद्ध परीक्षण किया जाना चाहिए, जो विभिन्न आयु, त्वचा के रंग और लिंग का प्रतिनिधित्व करते हों, और जिन्हें विभिन्न कोणों से कैप्चर किया गया हो। हालाँकि, ऐसे विविध वास्तविक मानव फोटो का संग्रह करना अत्यंत कठिन है। प्रत्येक व्यक्ति की सहमति के साथ चित्र एकत्र करना धीमा और महंगा है, जबकि बिना अनुमति के इंटरनेट से फोटो खुरचना (स्क्रैपिंग) गंभीर नैतिक और कानूनी चिंताएं पैदा करता है। यह एक अंतराल पैदा करता है: शोधकर्ताओं को यह परीक्षण करने के लिए संतुलित, उच्च गुणवत्ता वाले डेटा की आवश्यकता है कि क्या उनके सिस्टम पक्षपाती हैं, लेकिन वे इसे वास्तविक दुनिया से आसानी से प्राप्त नहीं कर सकते।
इस अंतराल को पाटने के लिए, दक्षिणी मेथोडिस्ट यूनिवर्सिटी के शोधकर्ताओं की एक टीम ने अपनी आवश्यकता के डेटा को शून्य से बनाने का एक नया तरीका विकसित किया है। उन्होंने एक पाइपलाइन बनाई, जिसे वे SIG कहते हैं, जो उन लोगों की यथार्थवादी तस्वीरें बनाने के लिए उन्नत इमेज-जेनरेशन तकनीक का उपयोग करती है जो अस्तित्व में ही नहीं हैं। ये सिंथेटिक चेहरे यादृच्छिक (रैंडम) नहीं हैं; सिस्टम रचनाकारों को यह निर्दिष्ट करने की अनुमति देता है कि व्यक्ति को कैसा दिखना चाहिए, जिससे उनकी आयु, नस्ल, लिंग और यहाँ तक कि उनके सिर के कोण को नियंत्रित किया जा सकता है। इन छवियों को उत्पन्न करके, टीम ने एक नया डेटासेट तैयार किया है जिसे ControlFace10k कहा जाता है, जिसमें 3,300 से अधिक अद्वितीय सिंथेटिक व्यक्तियों की 10,000 से अधिक छवियां शामिल हैं। यह डेटासेट पूरी तरह से संतुलित है, जिसमें विभिन्न नस्लीय पृष्ठभूमि, आयु और लिंग के लोगों की समान संख्या है, जो यह परीक्षण करने के लिए एक स्वच्छ, नैतिक उपकरण प्रदान करता है कि फेस रिकग्निशन सिस्टम विभिन्न समूहों के बीच कैसा प्रदर्शन करते हैं।
प्रक्रिया एक डिजिटल आर्किटेक्ट के साथ शुरू होती है जो इमेज जनरेटर के लिए विस्तृत विवरण, या 'प्रॉम्प्ट्स' लिखता है। केवल एक "चेहरा" मांगने के बजाय, सिस्टम एक अद्वितीय पहचान बनाने के लिए विशिष्ट नामों और विशेषताओं को जोड़ता है। फिर यह एक शक्तिशाली इमेज-जेनरेशन इंजन का उपयोग करता है, जो एक शोर वाले, स्थिर (स्टैटिक) जैसे दिखने वाले चित्र से शुरू होकर धीरे-धीरे उसे तब तक परिष्कृत करता है जब तक कि एक स्पष्ट चेहरा उभर न आए, जो टेक्स्ट विवरण द्वारा निर्देशित होता है। यह सुनिश्चित करने के लिए कि चेहरे विशिष्ट मुद्राओं में दिखाई दें—जैसे बाईं ओर, दाईं ओर या सीधे देखते हुए—सिस्टम एक नियंत्रण तंत्र का उपयोग करता है जो एक कंकाल (स्केलेटन) की तरह कार्य करता है, जो वांछित शारीरिक स्थिति को नए चित्र पर मैप करता है। यह शोधकर्ताओं को एक ही व्यक्ति को तीन अलग-अलग दिशाओं में देखने के लिए उत्पन्न करने की अनुमति देता है, जिससे यह सुनिश्चित होता है कि सिस्टम का परीक्षण इस बात पर किया जाए कि मुद्रा में बदलाव के बावजूद वह एक ही पहचान को कितनी अच्छी तरह पहचानता है।
परिणामस्वरूप ControlFace10k प्राप्त हुआ, जिसमें 3,336 अद्वितीय सिंथेटिक पहचानें शामिल हैं। प्रत्येक पहचान को तीन अलग-अलग आयु—25, 50 और 65 वर्ष—और चार प्रमुख नस्लीय समूहों: अफ्रीकी, एशियाई, कॉकेशियान और भारतीय के माध्यम से दर्शाया गया है। यह डेटासेट पुरुषों और महिलाओं के बीच भी समान रूप से विभाजित है। नकली चेहरे बनाने के पिछले कई प्रयासों के विपरीत, जिनके परिणामस्वरूप अक्सर थोड़े अजीब दिखने वाले चित्र मिलते थे या जो विभिन्न तस्वीरों में एक सुसंगत पहचान बनाए रखने में विफल रहते थे, यह पाइपलाइन हाइपर-रियलिस्टिक चित्र, आदर्श प्रकाश व्यवस्था और फोकस के साथ तैयार करती है। शोधकर्ता इस बात पर जोर देते हैं कि लक्ष्य पूर्ण प्रशिक्षण डेटा बनाना नहीं था, बल्कि एक नियंत्रित वातावरण बनाना था जहाँ वे सटीक रूप से माप सकें कि एक फेस रिकग्निशन सिस्टम विशिष्ट, संतुलित चरों (वेरिएबल्स) के सामने कैसा व्यवहार करता है।
यह देखने के लिए कि क्या यह सिंथेटिक डेटा उपयोगी है, टीम ने वर्तमान में उपलब्ध दो सबसे उन्नत फेस रिकग्निशन सिस्टम के विरुद्ध इसका परीक्षण किया। उन्होंने इन छवियों को इन सिस्टम में डाला यह देखने के लिए कि मशीनें विभिन्न चेहरों के बीच समानता को कैसे स्कोर करती हैं। परिणामों ने दिखाया कि सिंथेटिक चेहरे वास्तविक मानव चेहरों की तरह ही व्यवहार करते हैं। जब सिस्टम ने दो अलग-अलग लोगों की तुलना की, तो स्कोर कम थे, जो इंगित करता है कि सिस्टम ने उन्हें सही ढंग से अजनबी के रूप में पहचाना। जब सिस्टम ने एक ही सिंथेटिक व्यक्ति की तीन अलग-अलग तस्वीरों की तुलना की, तो स्कोर उच्च थे, जो दर्शाता है कि सिस्टम ने पहचान को पहचाना। हालाँकि, परीक्षणों ने यह भी खुलासा किया कि सिस्टम अभी भी संघर्ष करते थे जब एक ही व्यक्ति को अलग-अलग कोणों से दिखाया जाता था, जो वास्तविक दुनिया के परिदृश्यों में एक सामान्य चुनौती है।
विश्लेषण ने यह भी उजागर किया कि सिस्टम विभिन्न नस्लीय समूहों के साथ कैसे सूक्ष्म अंतर से व्यवहार करते हैं। उदाहरण के लिए, परीक्षण किए गए सिस्टम में से एक ने अन्य लोगों की तुलना में अफ्रीकी और भारतीय चेहरों को थोड़ा उच्च समानता स्कोर दिया, जो यह सुझाव देता है कि उस विशिष्ट एल्गोरिदम द्वारा उन विशेषताओं को संसाधित करने में संभावित पूर्वाग्रह हो सकता है। क्योंकि यह डेटासेट पूरी तरह से संतुलित था, इसलिए ये पैटर्न स्पष्ट रूप से उभर कर आए, जबकि वे एक अव्यवस्थित, वास्तविक दुनिया के डेटासेट में छिपे रह सकते थे जहाँ कुछ समूह कम प्रतिनिधित्व वाले होते हैं। यह सिंथेटिक दृष्टिकोण के मूल्य को प्रदर्शित करता है: यह तकनीक की ताकत और कमजोरियों को प्रतिबिंबित करने के लिए एक स्पष्ट, निष्पक्ष दर्पण प्रदान करता है।
शोधकर्ता निष्कर्ष निकालते हैं कि हालांकि उनका सिंथेटिक डेटासेट सभी वास्तविक दुनिया के डेटा का विकल्प नहीं है, लेकिन यह मूल्यांकन के लिए एक शक्तिशाली उपकरण है। यह वैज्ञानिकों को विशिष्ट परिदृश्यों का परीक्षण करने की अनुमति देता है, जैसे कि कोई सिस्टम उम्र बढ़ने या विभिन्न मुद्राओं को कैसे संभालता है, वास्तविक फोटो एकत्र करने की नैतिक और लॉजिस्टिक बाधाओं के बिना। इस डेटासेट को स्वतंत्र रूप से उपलब्ध कराकर, टीम की आशा है कि वे फेस रिकग्निशन तकनीक को विकसित करने के लिए अधिक कठोर और निष्पक्ष दृष्टिकोण को प्रोत्साहित कर सके, जिससे यह सुनिश्चित हो सके कि ये सिस्टम हर किसी के लिए विश्वसनीय रूप से काम करें, चाहे उनकी उपस्थिति कैसी भी हो या देखने का कोण कुछ भी हो।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।