[论文解读] K-FACE: A Large-Scale KIST Face Database in Consideration with Unconstrained Environments

Yeji Choi, Hyun Jung Park+5 more|arXiv (Cornell University)|Mar 3, 2021

Face recognition and analysis参考文献 15被引用 7

一句话总结

K-FACE 是一个大规模、高质量的人脸数据库，包含 1,000 位多样化个体的 1755 万张图像，通过带有受控光照和多相机设置的半球形装置系统性地采集。该数据库支持对姿态、光照、表情和遮挡的精确分析，性别与年龄分布均衡，适用于无约束人脸识别、年龄估计和 3D 人脸建模的稳健研究。

ABSTRACT

In this paper, we introduce a new large-scale face database from KIST, denoted as K-FACE, and describe a novel capturing device specifically designed to obtain the data. The K-FACE database contains more than 1 million high-quality images of 1,000 subjects selected by considering the ratio of gender and age groups. It includes a variety of attributes, including 27 poses, 35 lighting conditions, three expressions, and occlusions by the combination of five types of accessories. As the K-FACE database is systematically constructed through a hemispherical capturing system with elaborate lighting control and multiple cameras, it is possible to accurately analyze the effects of factors that cause performance degradation, such as poses, lighting changes, and accessories. We consider not only the balance of external environmental factors, such as pose and lighting, but also the balance of personal characteristics such as gender and age group. The gender ratio is the same, while the age groups of subjects are uniformly distributed from the 20s to 50s for both genders. The K-FACE database can be extensively utilized in various vision tasks, such as face recognition, face frontalization, illumination normalization, face age estimation, and three-dimensional face model generation. We expect systematic diversity and uniformity of the K-FACE database to promote these research fields.

研究动机与目标

• 解决缺乏大规模、高质量且系统性平衡的人脸数据库的问题，这些数据库需涵盖多样化的环境与人口统计因素。
• 克服现有数据库的局限性，例如性别与年龄分布不平衡、姿态与光照标注稀疏，以及遮挡多样性不足。
• 提供一个标准化的、高保真度的数据集，所有属性均配有准确标注，以支持人脸识别及相关视觉任务的可靠评估。
• 支持在极端光照、面部表情和配饰遮挡等挑战性现实场景下的研究，尤其在新冠疫情后具有重要意义。
• 通过受控、多样化且均匀分布的数据，推动人脸识别、年龄估计、光照归一化和 3D 人脸重建方面的进展。

提出的方法

• 设计了一套定制的半球形采集系统，配备 27 台同步的单反相机和 10 个可调节的照明单元，用于捕获多视角、多光照条件的图像。
• 通过在 27 种不同配置下系统性地改变俯仰角和偏航角来模拟无约束的观察条件。
• 在 35 种不同组合下控制光照强度（0–1000 lux）和方向，以模拟真实世界的光照变化。
• 捕获三种面部表情（中性、微笑、厌恶），并应用五类配饰（眼镜、帽子、口罩等）以模拟遮挡场景。
• 确保所有个体在性别和年龄（20多岁至50多岁）方面具有均衡的代表性，每位个体拥有 17,550 张图像，以实现一致的数据分布。
• 实施人工数据检查，以确保图像质量高且所有属性（包括姿态、光照、表情和遮挡类型）标注准确。

实验结果

研究问题

• RQ1 在 27 种姿态配置下，姿态变化在多大程度上影响深度学习模型在无约束人脸识别中的性能？
• RQ2 光照强度和方向的变化（35 种条件）在多大程度上影响人脸识别和光照归一化算法的准确性？
• RQ3 在真实世界场景中，人脸识别模型在应对多种配饰（如口罩、眼镜、帽子）引起的遮挡时，其有效性如何？
• RQ4 K-FACE 数据库能否在不同姿态、光照和表情条件下支持准确的年龄估计与老化模拟？
• RQ5 与不平衡数据集相比，K-FACE 中性别与年龄分布的均衡性在多大程度上提升了训练模型的公平性与泛化能力？

主要发现

• K-FACE 数据库包含 17,550,000 张高分辨率图像（2592×1728），覆盖 1,000 名个体，每位个体恰好有 17,550 张图像，确保了均匀的数据分布。
• 该数据库包含 27 种不同的姿态、35 种光照条件（光照强度与方向各异）、三种面部表情，以及五类配饰引起的遮挡。
• 性别分布达到平衡，女性占比 50.2%，年龄分布从 20 多岁至 50 多岁均匀分布，避免了其他数据集中常见的正偏态分布。
• 半球形采集系统能够获取顶部视角（如监控摄像头）和底部视角（如 ATM、体感摄像头）的图像，显著增强了现实适用性。
• 包含光照强度（0–1000 lux）的信息，使得图像级光照归一化与真实光照建模的高级研究成为可能。
• 该数据集支持在极端条件下的可靠人脸识别评估，包括佩戴口罩的人脸，这对疫情后身份识别系统至关重要。