📊 statistics

On the Capacity of Distinguishable Synthetic Identity Generation under Face Verification

यह शोध पत्र चेहरे के सत्यापन (face verification) के लिए विनिमेय कृत्रिम पहचान (distinguishable synthetic identity) की क्षमता को औपचारिक रूप देता है और उसका विश्लेषण करता है, जिसमें कोणीय अभिव्यंजकता (angular expressivity) और पूर्व वितरणों (prior distributions) के विविध अनुमानों के तहत एक गोलाकार-कोड समस्या (spherical-code problem) के रूप में सत्यापन बाधाओं को संतुष्ट करने वाली अधिकतम लेटेंट पहचानों की संख्या को निर्धारित करते हुए नियतात्मक (deterministic) और स्टोकेस्टिक (stochastic) सीमाओं को व्युत्पन्न किया गया है।

मूल लेखक: Behrooz Razeghi

प्रकाशित 2026-04-14

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Behrooz Razeghi

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

कल्पना कीजिए कि आप एक विशाल, उच्च-सुरक्षा वाले डिजिटल आईडी सिस्टम के प्रमुख हैं। आपका काम लोगों के चेहरों को सत्यापित करना है। लेकिन असली लोगों के बजाय, आप एक AI कलाकार का उपयोग करके नकली (सिंथेटिक) पहचानें बना रहे हैं।

आपका लक्ष्य सरल लेकिन पेचीदा है: आप कितने अद्वितीय नकली लोग बना सकते हैं ताकि आपका सुरक्षा स्कैनर कभी भ्रमित न हो?

आपको चाहिए कि स्कैनर कहे:

"हाँ, ये दोनों तस्वीरें एक ही व्यक्ति की हैं!" (जब वे वास्तव में एक ही हों)।
"नहीं, ये दो अलग-अलग लोग हैं!" (जब वे अलग हों)।

हार्वर्ड के बेहरूम राज़ेघी द्वारा लिखा गया यह शोध पत्र एक मौलिक प्रश्न पूछता है: हम कितने अद्वितीय नकली लोग बना सकते हैं इससे पहले कि सिस्टम गलतियाँ करने लगे, इसकी परम सीमा क्या है?

यहाँ सरल उपमाओं का उपयोग करके इसका विवरण दिया गया है।

1. "फेस स्पेस" एक विशाल गेंद है

कल्पना कीजिए कि सभी संभावित चेहरे एक विशाल, अदृश्य गेंद (हाइपरस्फीयर) की सतह पर मौजूद हैं।

असली चेहरे इस गेंद पर बिखरे हुए बिंदुओं की तरह हैं।
नकली चेहरे भी इस गेंद पर मौजूद बिंदु हैं, जिन्हें आपके AI द्वारा बनाया गया है।
सुरक्षा स्कैनर का एक नियम है: "यदि दो बिंदु एक-दूसरे के पर्याप्त करीब हैं (एक निश्चित कोण के भीतर), तो वे एक ही व्यक्ति हैं। यदि वे दूर हैं, तो वे अलग व्यक्ति हैं।"

2. समस्या: "धुंधली" पहचान

वास्तविक दुनिया में, एक व्यक्ति का चेहरा बदलता है। वे सुबह अलग दिखते हैं, अंधेरे में अलग, या मुस्कुराते समय अलग। AI की दुनिया में, इसे शोर (noise) या परिवर्तनीयता (variability) कहा जाता है।

नियत (परफेक्ट) दुनिया: कल्पना कीजिए कि आपका AI एक "परफेक्ट" चेहरा बनाता है जो कभी नहीं बदलता। हर बार जब आप "व्यक्ति A" मांगते हैं, तो आपको गेंद पर बिल्कुल वही बिंदु मिलता है।
- सीमा: यह एक क्लासिक ज्यामिति पहेली की तरह है: आप एक गेंद पर कितने बिंदु रख सकते हैं ताकि कोई भी एक-दूसरे को छुए नहीं? यह एक ज्ञात गणितीय समस्या है जिसे "स्फेरिकल कोडिंग" कहा जाता है।
स्टोकेस्टिक (यथार्थवादी) दुनिया: वास्तविकता में, आपका AI "व्यक्ति A" को थोड़ी सी यादृच्छिकता (randomness) के साथ बनाता है। कभी-कभी "व्यक्ति A" थोड़ा बाईं ओर दिखता है, कभी थोड़ा दyीं ओर। गेंद पर, "व्यक्ति A" केवल एक बिंदु नहीं है; यह एक धुंधला बादल या एक धुंधली टोपी (fuzzy cap) है।
- सीमा: अब, प्रश्न कठिन है। आप गेंद पर कितनी धुंधली बादलों को फिट कर सकते हैं ताकि:
  1. बादल एक-दूसरे के ऊपर न आएं (ताकि अलग-अलग लोग एक जैसे न दिखें)।
  2. बादल इतने सघन हों कि एक ही व्यक्ति अजनबी न लगे।

3. "सेफ्टी बफर" का नियम

शोध पत्र इन धुंधले बादलों के बीच की दूरी के लिए एक सरल नियम बताता है।

कल्पना कीजिए कि सुरक्षा स्कैनर के पास एक "खतरे का क्षेत्र" वाला कोण है (मान लीजिए कि यह $\tau$ है)। यदि दो चेहरे इस कोण के भीतर हैं, तो स्कैनर सोचता है कि वे एक ही व्यक्ति हैं।

सुरक्षित रहने के लिए, शोध पत्र कहता है कि आपको एक सेफ्टी बफर (सुरक्षा बफर) की आवश्यकता है:

अंतराल (The Gap): दो अलग-अलग लोगों के बादलों के केंद्रों के बीच एक अंतर होना चाहिए।
फॉर्मूला: अंतराल दो लोगों के केंद्रों के बीच का स्कैनर का खतरा क्षेत्र + धुंधले बादल का दोगुना आकार होना चाहिए।

उपमा: कल्पना कीजिए कि आप एक गोलाकार पार्किंग स्थल (गेंद) में कारें (पहचान) पार्क कर रहे हैं।

स्कैनर एक गार्ड है जो कहता है, "यदि दो कारें 5 फीट के भीतर हैं, तो मैं उन्हें पहचान नहीं पाऊंगा।"

आपकी कारें सटीक बिंदु नहीं हैं; वे पेंट के धुंधले धब्बे हैं जो किसी भी दिशा में 2 फीट तक हिल सकते हैं।

सुरक्षित रहने के लिए, आपको उन्हें केवल 5 फीट की दूरी पर नहीं पार्क करना है। आपको उन्हें 9 फीट की दूरी पर पार्क करना होगा (5 फीट गार्ड नियम + कार A के लिए 2 फीट जगह + कार B के लिए 2 फीट जगह)।

4. आयामों का जादू (द "रूम" उपमा)

शोध पत्र यह भी देखता है कि यदि आप गेंद का आकार (एम्बेडिंग डायमेंशन) बदलते हैं तो क्या होता है।

एक 2D दुनिया (एक सपाट वृत्त) में, आप कुछ ही बिंदु रख सकते हैं इससे पहले कि वे एक-दूसरे को घेर लें।
एक 3D दुनिया (एक गोला) में, आप बहुत अधिक बिंदु फिट कर सकते हैं।
एक 100-आयामी दुनिया (जिसका उपयोग कंप्यूटर चेहरों के लिए करते हैं) में, "सतह" इतनी विशाल है कि आप इसमें असंख्य संख्या में पहचानें फिट कर सकते हैं।

शोध पत्र सिद्ध करता है कि जैसे-जैसे आयाम बढ़ता है, आपके द्वारा उत्पन्न किए जा सकने वाले अद्वितीय व्यक्तियों की संख्या घातीय (exponentially) रूप से बढ़ती है। यह एक छोटी अलमारी से एक विशाल गोदाम में जाने जैसा है; आप उसमें बहुत अधिक चीजें रख सकते हैं।

5. लोगों को बनाने के दो तरीके

शोध पत्र बनाने की दो रणनीतियों की तुलना करता है:

"प्लानर" (निश्चित कोड): आप सावधानीपूर्वक हर एक पहचान को चुनते हैं ताकि वे पूरी तरह से व्यवस्थित रहें। यह आपको पहचान योग्य व्यक्तियों की अधिकतम संभव संख्या देता है।
"रैंडमाइज़र" (यादृच्छिक कोड): आप बस बोर्ड पर रैंडमली डार्ट फेंकते हैं और उम्मीद करते हैं कि आप एक ही जगह पर दोबारा नहीं टकराएंगे।
- परिणाम: "प्लानर" हमेशा बेहतर होता है। यदि आप रैंडम तरीके से चुनते हैं, तो आप बहुत जल्दी सुरक्षित स्थान समाप्त कर देंगे क्योंकि आप अनजाने में दो ऐसे स्थान चुन सकते हैं जो एक-दूसरे के बहुत करीब हों। शोध पत्र गणना करता है कि रैंडम होने के कारण आप कितनी "क्षमता" खो देते हैं।

यह क्यों मायने रखता है?

यह केवल गणित के बारे में नहीं है; यह AI और सुरक्षा के भविष्य के बारे में है।

AI रचनाकारों के लिए: यदि आप नकली डेटा का उपयोग करके चेहरा पहचान प्रणाली को प्रशिक्षित करना चाहते हैं, तो आपको यह जानना आवश्यक है कि आप कितने अद्वितीय नकली लोग बना सकते हैं इससे पहले कि सिस्टम भ्रमित हो जाए। यह शोध पत्र आपको वह फॉर्मूला देता है।
सुरक्षा के लिए: यह हमें बताता है कि एक सिस्टम में कितने अद्वितीय पहचान अस्तित्व में हो सकते हैं, इससे पहले कि सिस्टम अविश्वसनीय हो जाए।

मुख्य निष्कर्ष

शोध पत्र कहता है: "आप बड़ी संख्या में नकली पहचान बना सकते हैं, लेकिन केवल तभी जब आप उन्हें 'फेस बॉल' पर एक-दूसरे से पर्याप्त दूर रखें ताकि उनके प्राकृतिक उतार-चढ़ाव और आपके स्कैनर की सख्ती को ध्यान में रखा जा सके।"

यह एक जटिल कंप्यूटर विज्ञान समस्या को एक सरल ज्यामिति समस्या में बदल देता है: कितने धुंधले बादलों को एक गेंद पर बिना टकराए फिट किया जा सकता है?

यहाँ बेहरोज़ रज़ेघी (Behrooz Razeghi) के शोध पत्र "On the Capacity of Distinguishable Synthetic Identity Generation under Face Verification" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

यह शोध पत्र सिंथेटिक चेहरा निर्माण (synthetic face generation) के एक मौलिक परिचालन प्रश्न को संबोधित करता है: कितनी विशिष्ट सिंथेटिक पहचानें (identities) इस प्रकार उत्पन्न की जा सकती हैं कि एक फेस वेरीफायर (face verifier) एक निश्चित निर्णय थ्रेशोल्ड $\tau$ पर समान-पहचान वाले जोड़ों को 'मैच' और भिन्न-पहचान वाले जोड़ों को 'नॉन-मैच' के रूप में सही ढंग से वर्गीकृत कर सके?

मौजूदा साहित्य दृश्य यथार्थता (visual realism), फीचर स्प्रेड (feature spread), या म्यूचुअल इंफॉर्मेशन (mutual information) पर ध्यान केंद्रित करता है, लेकिन ये मेट्रिक्स सीधे तौर पर उन पहचानों की संख्या को परिमाणित नहीं करते जो विशिष्ट सत्यापन बाधाओं (True Match Rate और False Match Rate) को एक साथ पूरा करती हैं। लेखक का तर्क है कि एक जनरेटिव सिस्टम की "क्षमता" (capacity) को केवल उत्पन्न डेटा के सांख्यिकीय गुणों के बजाय, वेरीफायर के निर्णय नियम, विशेष रूप से कोसाइन-सिमिलरिटी थ्रेशोल्ड $\tau$ के सापेक्ष परिभाषित किया जाना चाहिए।

2. कार्यप्रणाली और सिस्टम मॉडल (Methodology and System Model)

सिस्टम आर्किटेक्चर (System Architecture)

शोध पत्र एक फेस-रिकग्निशन पाइपलाइन को मॉडल करता है जिसमें शामिल हैं:

जनरेटर ( $g$ ): एक लेटेंट आइडेंटिटी कोड $c \in \mathcal{Z}$ और एक न्यूसेंस वेरिएबल (व्यू) $U \in \mathcal{U}$ को एक फेस इमेज $Y$ में मैप करता है।
रिकग्निशन मैप ( $\phi$ ): एक नियत (deterministic) फीचर एक्सट्रैक्टर जो इमेज $Y$ को यूनिट-नॉर्म एम्बेडिंग $E$ के रूप में हाइपरस्फीयर $\mathbb{S}^{D-1}$ पर मैप करता है।

अध्ययन का मुख्य विषय आइडेंटिटी-कंडीशनल एम्बेडिंग डिस्ट्रीब्यूशन $P_c = \text{Law}(\phi(g(c, U)))$ है, जो विभिन्न व्यूज (views) के माध्यम से एक विशिष्ट लेटेंट आइडेंटिटी $c$ के एम्बेडिंग्स के वितरण को दर्शाता है।

क्षमता परिभाषाएँ (Capacity Definitions)

लेखक दो प्राथमिक क्षमता मेट्रिक्स को परिभाषित करते हैं:

फिक्स्ड-कोड क्षमता ( $C_D$ ): लेटेंट आइडेंटिटीज ( $M$ $M$ ) की वह अधिकतम संख्या जिसके लिए लेटेंट कोड्स का एक नियत सेट $\{c_1, \dots, c_M\}$ ${c_{1}, \dots, c_{M}}$ मौजूद है, जिससे प्रेरित वितरण निम्नलिखित शर्तों को पूरा करते हैं:
- जेन्युइन कंस्ट्रेंट (Genuine Constraint): $P(\langle E_i^{(1)}, E_i^{(2)} \rangle \ge \tau) \ge 1 - \epsilon_{in}$ (समान पहचान मैच होती है)।
- इम्पोस्टर कंस्ट्रेंट (Impostor Constraint): $P(\langle E_i^{(1)}, E_j^{(1)} \rangle \le \tau) \ge 1 - \epsilon_{out}$ (भिन्न पहचान मैच नहीं होती है)।
प्रायर-कंस्ट्रेंड रैंडम-कोड क्षमता ( $C_{D,\delta}^{rnd}$ ): $M$ की वह अधिकतम संख्या जिससे यदि कोड्स को एक प्रायर डिस्ट्रीब्यूशन से i.i.d. सैंपल किया जाता है, तो परिणामी पहचानों का सेट कम से कम $1-\delta$ प्रायिकता के साथ स्वीकार्य (admissible) होता है।

3. मुख्य योगदान (Key Contributions)

परिचालन परिभाषा (Operational Definition): थ्रेशोल्ड-आधारित निर्णय नियमों से सीधे जुड़ी हुई एक वेरीफायर-केंद्रित क्षमता परिभाषा पेश की, जो औसत समानता (average similarity) या म्यूचुअल इंफॉर्मेशन से भिन्न है।
डिटरमिनिस्टिक रिजीम का लक्षण वर्णन (Deterministic Regime Characterization): दिखाया कि एक शोर-रहित (noiseless), व्यू-इनवेरिएंट रिजीम में, क्षमता को 'रियलाइजेबल एम्बेडिंग्स' के सेट पर स्फेरिकल कोड पैकिंग समस्या द्वारा सटीक रूप से वर्णित किया जा सकता है। "फुल एंगुलर एक्सप्रेसिविटी" (जनरेटर किसी भी दिशा को उत्पन्न कर सकता है) के तहत, यह शास्त्रीय स्फेरिकल कोड मात्रा $A_D(\psi)$ में बदल जाता है।
स्टोकेस्टिक सेंटर्ड मॉडल (Stochastic Centered Model): स्टोकेस्टिक जनरेशन (जहाँ व्यू/न्यूसेंस के कारण एम्बेडिंग्स भिन्न होते हैं) के लिए, लेखक ने एक $(\rho, \eta)$ -सेंटर्ड मॉडल पेश किया। इस मॉडल में, प्रत्येक आइडेंटिटी का एम्बेडिंग डिस्ट्रीब्यूशन एक सेंटर $u_i$ के चारों ओर रेडियस $\rho$ के जियोडेसिक कैप (geodesic cap) के भीतर उच्च प्रायिकता ( $1-\eta$ ) के साथ केंद्रित होता है।
सफिशिएंट एडमिसिबिलिटी कंडीशन (Sufficient Admissibility Condition): स्टोकेस्टिक रिजीम में स्वीकार्यता के लिए एक ज्यामितीय शर्त व्युत्पन्न की गई: आइडेंटिटी सेंटर्स के बीच कोणीय पृथक्करण (angular separation) कम से कम $\psi_\tau(\rho) = \arccos(\tau) + 2\rho$ होना चाहिए। यह आइडेंटिटी डिस्ट्रीब्यूशन के "स्प्रेड" (spread) को ध्यान में रखता है।
एसिम्प्टोटिक विश्लेषण (Asymptotic Analysis): यह स्थापित किया कि डिस्टिंगविशेबल आइडेंटिटीज की संख्या एम्बेडिंग डायमेंशन $D$ $D$ के साथ तेजी से (exponentially) बढ़ती है।
- फिक्स्ड-कोड रेट: $\liminf \frac{1}{D} \log C_D \ge -\log(\sin \psi_\tau(\rho))$ ।
- रैंडम-कोड रेट: यूनिफॉर्म सैंपलिंग के तहत, दर आधी हो जाती है: $\liminf \frac{1}{D} \log C_{D,\delta}^{rnd} \ge -\frac{1}{2} \log(\sin \psi_\tau(\rho))$ । यह "फैक्टर ऑफ टू" (factor of two) गैप ऑप्टिमल कोडबुक डिज़ाइन बनाम रैंडम सैंपलिंग की लागत को दर्शाता है।
कनवर्स और सटीक लक्षण वर्णन (Converse and Exact Characterization): एक मजबूत "फुल-कैप-सपोर्ट" मॉडल के तहत, पेपर एक कनवर्स (converse) व्युत्पन्न करता है, जो सिद्ध करता है कि स्फेरिकल कोड लक्षण वर्णन सटीक है।

4. मुख्य परिणाम (Key Results)

ज्यामितीय व्याख्या (Geometric Interpretation): डिस्टिंगविशेबल आइडेंटिटीज उत्पन्न करने की समस्या गणितीय रूप से यूनिट हाइपरस्फीयर पर स्फेरिकल कैप्स की पैकिंग के समान है।
- आवश्यक पृथक्करण कोण $\psi_\tau(\rho) = \arccos(\tau) + 2\rho$ है।
- $\tau$ (थ्रेशोल्ड): एक निचला थ्रेशोल्ड (सख्त सत्यापन) $\arccos(\tau)$ को बढ़ाता है, जिससे अधिक पृथक्करण की आवश्यकता होती है और क्षमता कम हो जाती है।
- $\rho$ (कंसंट्रेशन): एक बड़ा पहचान-भीतर प्रसार (within-identity spread, $\rho$ ) आवश्यक पृथक्करण को बढ़ाता है, जिससे क्षमता कम हो जाती है।
डायमेंशनलिटी स्केलिंग (Dimensionality Scaling): क्षमता एम्बेडिंग डायमेंशन $D$ के साथ एक्सपोनेंशियल रूप से स्केल करती है। पेपर स्पष्ट रूप से $D$ को एक वेरिएबल के रूप में मानता है, यह दिखाते हुए कि उच्च-आयामी एम्बेडिंग्स बहुत अधिक डिस्टिंगविशेबल सिंथेटिक आइडेंटिटीज की अनुमति देते हैं।
रैंडम बनाम फिक्स्ड कोडिंग (Random vs. Fixed Coding): लेटेंट कोड्स को रैंडमली सैंपल करना (जो GANs/Diffusion मॉडल्स में सामान्य है) ऑप्टिमल कोडबुक चुनने की तुलना में दंड (penalty) झेलता है। जब सेंटर्स यूनिफॉर्मली डिस्ट्रीब्यूटेड होते हैं, तो रैंडम कोडिंग के लिए एसिम्प्टोटिक रेट फिक्स्ड कोडिंग के ठीक आधे के बराबर होता है।
MMCR से संबंध: निष्कर्ष MMCR (Maximum Manifold Capacity Representations) उद्देश्यों के अनुरूप हैं: उच्च क्षमता के लिए पहचान के एम्बेडिंग्स के कंसंट्रेशन (कम $\rho$ ) और पहचान सेंटर्स के ब्रॉड स्प्रेड (बड़ा कोणीय पृथक्करण) दोनों की आवश्यकता होती है।

5. महत्व और निहितार्थ (Significance and Implications)

सैद्धांतिक बेंचमार्क (Theoretical Benchmark): सिंथेटिक आइडेंटिटी जनरेशन की स्केलेबिलिटी का मूल्यांकन करने के लिए एक कठोर, नॉन-एसिम्प्टोटिक फ्रेमवर्क प्रदान करता है, जो केवल अनुभवजन्य "दृश्य" जांच से आगे बढ़कर सूचना-सैद्धांतिक सीमाओं तक जाता है।
जनरेटर के लिए डिज़ाइन गाइडलाइन्स (Design Guidelines for Generators): यह सुझाव देता है कि उपयोग योग्य सिंथेटिक आइडेंटिटीज की संख्या को अधिकतम करने के लिए, जनरेटिव मॉडल्स को इंट्रा-क्लास वेरिएंस (कंसंट्रेशन रेडियस $\rho$ ) को कम करने और यह सुनिश्चित करने के लिए प्रशिक्षित किया जाना चाहिए कि इंटर-क्लास सेंटर्स अच्छी तरह से अलग हों।
एम्बेडिंग डायमेंशन की भूमिका (Role of Embedding Dimension): यह रेखांकित करता है कि फीचर स्पेस की डायमेंशन केवल एक आर्किटेक्चरल विवरण नहीं है, बल्कि एक मौलिक वेरिएबल है जो सिंथेटिक डेटा की स्केलेबिलिटी निर्धारित करता है।
वैलिडेशन (Validation): यूनिट स्फीयर पर सिंथेटिक प्रयोगों के माध्यम से सैद्धांतिक बाउंड्स को सत्यापित किया गया, जिससे पुष्टि हुई कि देखे गए पैकिंग नंबर्स और सेपरेशन प्रोबेबिलिटीज व्युत्पन्न किए गए स्फेरिकल कोड बाउंड्स और एसिम्प्टोटिक रेट्स के अनुरूप हैं।

संक्षेप में, यह शोध पत्र एक हाइपरस्फीयर पर ज्यामितीय पैकिंग समस्या में मैप करके सिंथेटिक आइडेंटिटी जनरेशन की सीमाओं को औपचारिक रूप देता है, जिससे यह सटीक अनुमान मिलता है कि कितनी पहचानें उत्पन्न की जा सकती हैं इससे पहले कि एक फेस वेरीफायर उन्हें और अधिक अलग न कर सके।