MLFW (Masked LFW)

由于当前的 COVID-19 大流行，随着越来越多的人开始戴口罩，现有的人脸识别系统在识别蒙面人脸时可能会遇到严重的性能下降。为了弄清楚口罩对人脸识别模型的影响，我们构建了一个简单但有效的工具来自动从未蒙面的人脸生成蒙面人脸，并基于跨年龄 LFW (CALFW) 数据库构建了一个名为 Masked LFW (MLFW) 的新数据库。我们的方法生成的蒙面脸上的蒙版与原始人脸具有良好的视觉一致性。此外，我们收集了各种面具模板，涵盖了日常生活中出现的大部分常见样式，以实现多样化的生成效果。考虑到现实场景，我们设计了三种人脸对组合。 SOTA模型在MLFW数据库上的识别准确率比在原始图像上的准确率下降了5%-16%。构建 MLFW 基准的背后有以下三个动机：
1.建立一个相对难度更大的数据库来评估蒙面人脸验证的性能，从而充分证明几种人脸验证方法的有效性。
2.超越年龄差距，MLFW认为两个身份相同的人脸戴不同的面具，两个不同身份的人脸戴相同的面具，这进一步强调了同时大的类内方差和微小的类间方差。
3.保持数据大小，提供“相同/不同”基准的人脸验证协议，同时保持与calfw中相同的身份。因此，MLFW 可以很容易地应用于评估蒙面人脸验证的性能。

搜集汇总

背景与挑战

背景概述

MLFW是一个用于评估蒙面人脸识别性能的数据集，通过自动生成蒙面人脸并设计多种人脸对组合，模拟现实场景中的戴口罩情况。该数据集旨在挑战现有模型的性能，并提供一个标准化的评估基准。