Learning from a single labeled face and a stream of unlabeled data

1. Definição do Problema

O artigo aborda o problema desafiador do reconhecimento facial a partir de uma única imagem rotulada por pessoa, especificamente em um cenário de mundo aberto onde:

• Única Rótulo Positivo: Apenas uma imagem de uma pessoa-alvo específica está rotulada.
• Sem Rótulos Negativos: Todos os outros indivíduos no fluxo de dados estão sem rótulo. O sistema não pode modelar explicitamente exemplos "negativos" (outras pessoas), pois o conjunto de potenciais impostores é infinito e desconhecido.
• Fluxo de Dados: O sistema recebe um fluxo contínuo de dados de vídeo sem rótulo (por exemplo, de uma webcam) juntamente com a única imagem rotulada.
• Restrições: A solução deve ser online (processar dados em tempo real), não paramétrica (não fazer suposições sobre a distribuição de rostos) e robusta a mudanças de conceito (envelhecimento, expressões, iluminação).

Isso é formulado como um problema de Classificação de Uma Classe, onde o objetivo é aprender um limite de decisão (uma hipersfera) que engloba a classe-alvo enquanto rejeita valores atípicos, sem treinamento explícito em exemplos negativos.

2. Metodologia: Rastreamento de Variedade Online (OMT)

Os autores propõem o Rastreamento de Variedade Online (OMT), um algoritmo não paramétrico que aprende a estrutura da variedade facial sob demanda, utilizando o fluxo de dados sem rótulo. O método consiste em duas fases principais:

A. Quantização de Dados Online (Aproximação da Variedade)

Para lidar eficientemente com o fluxo de dados potencialmente infinito, o OMT utiliza Agrupamento k-Centro Online para resumir os dados.

• Rostos Representativos: O algoritmo mantém um conjunto de $k$ rostos representativos ($u_t$) que cobrem os dados observados.
• Raio de Generalização ($R$): Um rosto $x_t$ é considerado para agrupamento apenas se cair dentro de um raio de generalização $R$ do único exemplo rotulado $x_l$. Isso garante que o modelo não extrapole demais para regiões irrelevantes do espaço de características.
• Cobertura Adaptativa: Se um novo rosto estiver suficientemente distante de todos os representantes atuais (distância $> r$, onde $r$ é o raio de cobertura), ele é adicionado ao conjunto. Se o tamanho do conjunto exceder $k$, o raio de cobertura $r$ é duplicado e os representantes são reparticionados para manter uma distância mínima entre eles.
• Complexidade: Esta etapa garante que o tamanho do modelo permaneça limitado ($O(k)$) e não cresça com o tempo.

B. Inferência de Identidade (Caminhada Aleatória Baseada em Grafos)

Uma vez que os dados são quantizados, o algoritmo infere a identidade de um novo rosto usando uma caminhada aleatória em um grafo.

• Construção do Grafo: O grafo consiste nos $k$ rostos representativos mais o único rosto rotulado ($x_l$).
• Vértice Sorvedouro: Para lidar com a falta de rótulos negativos, um vértice sorvedouro especial ($x_0$) é introduzido. Ele atua como um atrator "negativo". Nós não rotulados são conectados a $x_0$ com um peso $\gamma$.
• Probabilidades de Absorção: O algoritmo calcula a probabilidade de que uma caminhada aleatória iniciada em um rosto não rotulado $x_t$ seja absorvida pelo rosto rotulado $x_l$ versus o sorvedouro $x_0$.
  • Se a caminhada for absorvida por $x_l$, o rosto é provavelmente o alvo.
  • Se absorvida por $x_0$, é provavelmente um valor atípico.
• Solução Harmônica: As probabilidades de absorção são calculadas em forma fechada usando o Laplaciano combinatório do grafo:
  $$f = (L_{uu} + \gamma I_u)^{-1} W_{ul}$$
  onde $W$ é a matriz de similaridade, $L$ é o Laplaciano e $\gamma$ controla a dissimilaridade em relação ao sorvedouro.
• Decisão: Um rosto é classificado como positivo se sua probabilidade de absorção exceder um limiar $\epsilon$.

3. Contribuições Principais

1. Formulação Original do Problema: O artigo formaliza o reconhecimento facial como um problema de classificação de uma classe em um cenário de mundo aberto com um único exemplo rotulado e um fluxo de dados sem rótulo, abordando a falta de exemplos negativos.
2. Rastreamento de Variedade Online (OMT): Um novo algoritmo que rastreia a variedade de baixa dimensão de rostos em tempo real, sem exigir treinamento offline ou grandes quantidades de dados rotulados.
3. Adaptação Não Paramétrica: O método não faz suposições sobre a distribuição de rostos, permitindo que se adapte naturalmente a mudanças de expressão, pose e envelhecimento.
4. Complementaridade com Características: Os autores demonstram que o OMT não é um substituto para características discriminativas, mas uma camada complementar. Pode ser aplicado sobre características existentes (como Fisherfaces) para melhorar o desempenho.
5. Eficiência: O algoritmo possui complexidade de tempo e espaço limitada ($O(k^3)$ por etapa, independente do tempo total $t$), tornando-o adequado para aplicações em tempo real (aproximadamente 0,05 segundos por rosto).

4. Resultados Experimentais

O método foi avaliado no conjunto de dados VidTIMIT, contendo 43 pessoas. A configuração envolveu a inserção de rostos "atípicos" aleatórios de outras pessoas no fluxo de vídeo da pessoa-alvo para simular um ambiente realista e ruidoso.

• Desempenho:
  • O OMT alcançou uma Taxa de Verdadeiros Positivos (TPR) de 90% com uma Taxa de Falsos Positivos (FPR) de quase zero ($10^{-4}$).
  • Isso representa uma melhoria de 15% sobre os Fisherfaces na mesma FPR.
  • Superou significativamente um classificador padrão 1-Vizinho Mais Próximo (1-NN) treinado na mesma única imagem rotulada (50% de TPR a mais).
• Equivalência ao Aprendizado Supervisionado: O desempenho do OMT (treinado com 1 rotulado + dados não rotulados) foi comparável ao de um classificador 5-NN treinado com 5 imagens rotuladas, efetivamente "aprendendo" o equivalente a 4 exemplos rotulados extras a partir do fluxo não rotulado.
• Robustez: O método mostrou desempenho robusto mesmo quando parâmetros (como $R$, $k$ e $\sigma$) não foram perfeitamente ajustados.
• Velocidade: O sistema processou vídeo em tempo real, reconhecendo rostos em aproximadamente 0,02 a 0,05 segundos em média.

5. Significado e Conclusão

Este trabalho é significativo porque resolve um gargalo crítico no reconhecimento facial prático: a incapacidade de coletar grandes conjuntos de dados rotulados para cada usuário (por exemplo, em autenticação de dispositivos pessoais ou segurança aeroportuária).

• Praticidade: Permite sistemas de autenticação seguros que podem aprender o rosto de um usuário a partir de uma única foto de identificação e adaptar-se ao longo do tempo usando o próprio fluxo de vídeo do usuário, sem necessidade de treinamento explícito em dados de "impostores".
• Insight Teórico: Demonstra que dados não rotulados podem ser efetivamente utilizados para aprender a geometria de uma variedade de classe, mesmo na ausência de exemplos negativos, utilizando técnicas de aprendizado semi-supervisionado baseadas em grafos adaptadas para ambientes online.
• Direções Futuras: Os autores sugerem estender o OMT para características faciais locais (olhos, nariz) em vez de imagens holísticas, o que poderia melhorar ainda mais a precisão em cenários de imagem única.

Em resumo, o OMT fornece uma solução computacionalmente eficiente, robusta e altamente precisa para o reconhecimento facial de uma única amostra em ambientes dinâmicos e de mundo aberto.