論文の概要: Non-Colliding Biometric Identities for Digital Entities: Geometry, Capacity, and Million-Scale Virtual Identity Provisioning

• arxiv url: http://arxiv.org/abs/2605.18238v1
• Date: Mon, 18 May 2026 11:32:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-19 17:57:49.495648
• Title: Non-Colliding Biometric Identities for Digital Entities: Geometry, Capacity, and Million-Scale Virtual Identity Provisioning
• Title（参考訳）: デジタルエンティティのための非衝突生体認証:幾何学、容量、および百万単位の仮想IDプロビジョニング
• Authors: Yuyang Ji, Yixuan Shen, Anil Jain, Xiaoming Liu, Feng Liu,
• Abstract要約: AIエージェントやヒューマノイドロボットといったデジタルエンティティは、現実の人間と共に運用されるようになっている。 本稿では,新しい問題およびソリューションフレームワークであるバイオメトリック・アイデンティティ・プロビジョニング(BIP)を紹介する。 我々は、360Kのリアルアイデンティティのギャラリーに対して1000万の非衝突仮想ID埋め込みを実証する。
• 参考スコア（独自算出の注目度）: 15.148659889637976
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Digital entities such as AI agents and humanoid robots increasingly operate alongside real humans, yet their identity infrastructure is based on credentials rather than embodied biometric identity. We introduce Biometric Identity Provisioning (BIP), a new problem and solution framework that addresses: given an enrollment gallery of real human identities, provision virtual identities that are non-colliding with every enrolled identity, maintain sufficient inter-class separability, and are realizable as high-fidelity face images. The key geometric insight is that real face identities occupy a low-dimensional subspace of the embedding hypersphere, leaving no residual subspace for virtual identities. Hence, virtual identities must instead be allocated as unclaimed gaps within the real face manifold itself. BIP is therefore a constrained packing problem: available gaps vastly exceed any foreseeable enrollment scale, and provisioned identities remain non-colliding even as new real identities are subsequently enrolled. Grounded in this geometry, our repulsion-based allocation is not bounded by any fixed provisioning count; we demonstrate 10M non-colliding virtual identity embeddings against a gallery of 360K real identities. Realizing these embeddings as face images requires a generator that operates outside the training distribution of real face images; we introduce GapGen, a gap-aware generator trained with a curriculum that progressively extends synthesis into non-colliding regions, validated at 1M photorealistic virtual face images. We further construct v-LFW, a virtual counterpart to LFW face dataset, with protocols for virtual face verification, cross-reality matching, real-vs-virtual detection, and unified recognition and detection.
• Abstract（参考訳）: AIエージェントやヒューマノイドロボットなどのデジタルエンティティは、現実の人間と共に運用されるようになっているが、そのアイデンティティインフラストラクチャは、生体認証を具体化するのではなく、資格情報に基づいている。 実際の人間のアイデンティティの登録ギャラリーを付与し、登録されたすべてのアイデンティティと非衝突的な仮想アイデンティティをプロビジョニングし、クラス間分離性を十分に維持し、高忠実な顔画像として実現可能な、新しい問題およびソリューションフレームワークであるバイオメトリックアイデンティティプロビジョニング(BIP)を導入する。 重要な幾何学的洞察は、実際の顔のアイデンティティが埋め込み超球の低次元部分空間を占有し、仮想的アイデンティティの残余部分空間は残っていないことである。 したがって、仮想恒等式は、代わりに実面多様体自身内の未解決のギャップとして割る必要がある。 したがって、BIPは制約されたパッキング問題であり、利用可能なギャップは予測可能な登録規模を大きく超え、プロビジョニングされたIDは、新しい真のIDがその後に登録されたとしても、非衝突のままである。 この幾何学に基づいて、我々の反発に基づくアロケーションは、固定されたプロビジョニング数に縛られず、360Kのリアルアイデンティティのギャラリーに対して1000万個の非衝突仮想ID埋め込みを実証する。 顔画像としてこれらの埋め込みを実現するには、実際の顔画像のトレーニング分布の外で動作するジェネレータが必要である。 さらに、LFWの顔データセットと仮想的に競合するv-LFWを構築し、仮想顔検証、相互整合性マッチング、リアルvs仮想検出、統合認識と検出のためのプロトコルを構築した。

関連論文リスト

• Face inpainting with Identity Preserving Latent Diffusion Models [10.348748950921667]
  ID-ControlNetは、潜伏拡散モデルに基づいて構築された、ID保存のフェイスペイントフレームワークである。 我々は、生成した顔とターゲットの識別表現とのアライメントを明確に強制する、アイデンティティ一貫性と三重項損失トレーニング戦略を導入する。
  論文  参考訳（メタデータ） (2026-05-15T23:19:43Z)
• SIDeR: Semantic Identity Decoupling for Unrestricted Face Privacy [53.75084833636302]
  本稿では,非制限顔プライバシー保護のためのセマンティックデカップリング駆動フレームワークSIDeRを提案する。 SIDeRは、顔画像をマシン認識可能な識別特徴ベクトルと視覚的に知覚可能なセマンティックな外観成分に分解する。 認証されたアクセスのために、SIDeRは正しいパスワードが提供されるときに元の形式に復元できる。
  論文  参考訳（メタデータ） (2026-02-04T19:30:48Z)
• ID$^3$: Identity-Preserving-yet-Diversified Diffusion Models for Synthetic Face Recognition [60.15830516741776]
  合成顔認識(SFR)は、実際の顔データの分布を模倣するデータセットを生成することを目的としている。 拡散燃料SFRモデルであるtextID3$を紹介します。 textID3$はID保存損失を利用して、多様だがアイデンティティに一貫性のある顔の外観を生成する。
  論文  参考訳（メタデータ） (2024-09-26T06:46:40Z)
• VIGFace: Virtual Identity Generation for Privacy-Free Face Recognition [13.81887339529775]
  VIGFaceは合成顔画像を生成する新しいフレームワークである。 これは、既存の個人と仮想顔画像との明確な分離性を示し、自信を持って合成画像を作成することができる。 既存の実際のイメージを組み込むことで、データ拡張によるパフォーマンスの向上を保証する。
  論文  参考訳（メタデータ） (2024-03-13T06:11:41Z)
• StableIdentity: Inserting Anybody into Anywhere at First Sight [57.99693188913382]
  一つの顔画像で同一性に一貫性のある再テクスチャ化を可能にするStableIdentityを提案する。 私たちは、1つの画像から学んだアイデンティティを直接、微調整なしでビデオ/3D生成に注入する最初の人です。
  論文  参考訳（メタデータ） (2024-01-29T09:06:15Z)
• FaceDancer: Pose- and Occlusion-Aware High Fidelity Face Swapping [62.38898610210771]
  そこで我々は,FaceDancerという顔のスワップとID転送のための新しい単一ステージ手法を提案する。 アダプティブ・フィーチャー・フュージョン・アテンション(AFFA)と解釈的特徴類似性規則化(IFSR)の2つの主要なコントリビューションがある。
  論文  参考訳（メタデータ） (2022-10-19T11:31:38Z)
• IdentityDP: Differential Private Identification Protection for Face Images [17.33916392050051]
  顔の非識別、別名顔の匿名化は、実際のアイデンティティが隠されている間、同様の外観と同じ背景を持つ別の画像を生成することを指します。 我々は,データ駆動型ディープニューラルネットワークと差分プライバシー機構を組み合わせた顔匿名化フレームワークであるIdentityDPを提案する。 我々のモデルは、顔の識別関連情報を効果的に難読化し、視覚的類似性を保ち、高品質な画像を生成することができる。
  論文  参考訳（メタデータ） (2021-03-02T14:26:00Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。