顔認識はどのように動いているのか？

顔特徴ベクトルとは何で、何が入っているのか？

特徴ベクトルとは、モデルが本人性を示すものとして学習した幾何情報——顔の各部の相対的な比率と構造——を表す数値の並びであり、ピクセルそのものではありません。圧縮された写真ではなく、そこから顔を意味のある形で復元することはできません。人間が読める形式でもなく、どの数値が鼻や目に対応するといった対応関係もありません。有用なのはただ一点、同一人物の 2 枚は近いベクトルになりやすく、別人はそうなりにくいという性質だけです。

2 つの顔が一致と判定される基準は何か？

しきい値が決めます。これはシステムの運用者が設定するものであり、データから見つかるものではありません。どのしきい値も 2 種類の誤りを引き換えにしており、両方をなくす設定は存在しません。

• 厳しくすれば報告される一致は減り、本当の一致を取りこぼす割合は増えます。
• 緩めれば本当の一致は増え、同時に他人も多く返ってきます。
• 適切な値は誤りごとの損失次第で、端末のロック解除と公開ウェブの検索では前提が異なります。

なぜ数百万の顔から探すほうが 2 枚を比べるより難しいのか？

別の課題であり、評価も分けられています。2 枚を比べるのは検証（1:1）です。大規模な集合から顔を探すのは識別（1:N）であり、NIST が両者を別の試験として評価しているのもそのためです。集合に顔が 1 件増えるたびに、他人がしきい値の内側に入る機会も 1 つ増えます。1 回の比較では無視できる誤り率も、数百万回繰り返せば無視できなくなります。

顔認識は写真に何を求めるのか？

モデルは整列できる顔で学習されているため、取り出せる情報は入力画像にほぼ全面的に依存します。画質の問題はわずかな減点ではなく、たいていは結果そのものを決めます。

• 圧縮後も構造が残る程度に、顔が画面内で十分大きいこと。
• 極端な角度はモデルが頼る幾何構造を隠すため、おおよそカメラの方を向いていること。
• 片側の強い影は測定内容を変えるため、光が均一であること。
• 目と鼻筋を覆うものは、最も情報量の多い領域を奪います。

顔検索と顔監視はどう違うのか？

共通しているのは数学だけで、それ以外はほとんど異なります。検索は、あなたが渡した 1 枚の写真を、すでに公開されているページと照合し、そのページへのリンクを返します。監視システムは、ライブ映像の中で顔を登録済みリストと継続的に照合するもので、通常は本人が何かを提供することはありません。FaceSearch は前者であって後者ではありません。アップロードされた 1 枚の画像を受け取り、公開情報源を検索し、似た顔が現れるページを返します。カメラには接続しておらず、リストも保持していません。

顔認識に分からないことは何か？

その人が誰であるかは分かりません。分かるのは 2 つの画像が幾何的に似ているということだけで、それ以外——名前、アカウント、両方が同一の実在人物だという判断——は、一致が見つかったページに由来するものであり、モデルに由来するものではありません。説明文が誤っているページでの高い一致度は、やはり誤った答えです。結果は確認の出発点であり、結論ではありません。