Identity Preservation

الحفاظ على الهوية هو قدرة النموذج على إبقاء موضوع معين معروفًا بوصفه الفرد نفسه عبر مخرجاته: الوجه نفسه عبر مجموعة من الصور الشخصية المولّدة، أو الشخصية نفسها من الإطار الأول لفيديو مولّد إلى إطاره الأخير، أو معرّف التتبع نفسه لمشاة يسير خلف حافلة ثم يظهر مجددًا. ويستخدم المصطلح مجتمعان. ففي الذكاء الاصطناعي التوليدي، يصف أساليب التخصيص التي تضع شخصًا أو منتجًا حقيقيًا في مشاهد جديدة دون تغيير هويته أو ماهيته. وفي تتبع الأجسام المتعددة (MOT)، يصف إبقاء معرّف كل جسم ثابتًا خلال حالات الاحتجاب والتقاطع وتغيّر الكاميرا. ويقيس كلا المجالين ذلك باستخدام تضمينات الهوية، وهي متجهات ميزات تكون متقاربة للفرد نفسه ومتباعدة للأفراد المختلفين.

الحفاظ على الهوية في توليد الصور والفيديو#

يعرف نموذج تحويل النص إلى صورة شكل "امرأة" أو "كلب"، لكنه لا يعرف شكل امرأة أو كلب بعينه، لذا تضيف أساليب التخصيص هذه المعرفة. وتتعلم أساليب الضبط الدقيق ذلك من بضع صور. يضبط DreamBooth من Google (2022) نموذج الانتشار بأكمله على ثلاث إلى خمس صور لموضوع مرتبط برمز نادر، مع خسارة للحفاظ على السابقة خاصة بالفئة تُبقي النموذج قادرًا على توليد كلاب أخرى بصورة طبيعية، وتجعل محوّلات LoRA الفكرة نفسها منخفضة الكلفة بما يكفي للتدريب على كل شخص على حدة.

تتجاوز الأساليب القائمة على المشفّرات التدريب الخاص بكل موضوع. يمرر IP-Adapter من Tencent (2023) تضمينات الصور إلى نموذج الانتشار عبر طبقة انتباه متقاطع منفصلة، ويحافظ InstantID (يناير 2024) على وجه من صورة واحدة بدمج تضمين من شبكة للتعرف على الوجوه مع IdentityNet، وهو ControlNet مشروط بخمس معالم للوجه. يجعل تعزيز تكييف الهوية المخرج أشبه بالمرجع، لكنه ينسخ أيضًا مزيدًا من وضعية المرجع وتعبيره وإضاءته؛ لذلك تتيح هذه الأدوات إعدادًا لقوة التكييف يوازن بين التشابه ومدى إمكانية تغيير الموجّه للمشهد.

تُقيّم الوجوه المولّدة باستخدام تشابه جيب التمام بين تضمينات ArcFace للصورة المرجعية والمخرج؛ وقدّم جيانكانغ دينغ وزملاؤه ArcFace في CVPR 2019، ويدرّب ArcFace تضمينات الوجوه بهامش زاوي كي تنفصل الهويات بوضوح على كرة فائقة. يضيف الفيديو شرطًا ثانيًا، هو اتساق الموضوع عبر الإطارات، ويقيسه VBench بوصفه اتساق الموضوع عبر مقارنة ميزات DINO بين الإطارات. وفي توليد الفيديو، يفشل اختبار الشخصية التي يتغير وجهها على مدى بضع ثوانٍ حتى عندما يبدو كل إطار واقعيًا.

الحفاظ على الهوية في التتبع#

يعيّن المتتبّع المعرّفات بمطابقة اكتشافات كل إطار مع المسارات القائمة. تنجح الحركة وحدها — أي مرشح كالمان الذي يتنبأ بموقع كل صندوق، مع مطابقة التقاطع على الاتحاد (IoU) — إلى أن يتقاطع شخصان أو يختفي أحدهما خلف عائق؛ عندئذ يبدّل المتتبّع معرّفيهما أو يبدأ معرّفًا جديدًا، وهو خطأ يُحسب بوصفه تبديلًا للهوية. وتعالج ميزات المظهر جانبًا كبيرًا من هذه المشكلة. أضاف DeepSORT (2017)، الذي وضعه نيكولاي فويكه وأليكس بيوي وديتريش باولوس، تضمينات من شبكة مدرّبة على مجموعة بيانات إعادة التعرّف على الأشخاص إلى متتبّع SORT المعتمد على الحركة فقط، وخفّض تبديلات الهوية بنسبة 45 بالمئة. ويقيس مقياس IDF1، الذي اقترحه إرغيس ريستاني وزملاؤه في عام 2016، الحفاظ على الهوية مباشرةً باعتباره نسبة الاكتشافات التي أُسندت إليها الهوية الصحيحة.

يستخدم التتبع في Ultralytics YOLO الإعداد الافتراضي TrackTrack (شيم وزملاؤه، CVPR 2025)، الذي يبقي المسارات المفقودة نشطة لمدة 30 إطارًا (track_buffer) كي يتمكن الجسم العائد من استعادة معرّفه، ويكبح المعرّفات الجديدة المكررة قبل إنشائها. تؤدي تهيئة with_reid: True في ملف YAML الخاص بالمتتبّع إلى إضافة مطابقة المظهر، باستخدام ميزات الكاشف نفسه افتراضيًا، أو مشفّر مخصص اختياريًا مثل نموذج YOLO26n-reid ذي 2.8 مليون معامل. يتتبّع المقتطف أشخاصًا في فيديو نموذجي، مع إعادة التعرّف على الأشخاص ومن دونها، ويحصي المعرّفات المتميزة التي يعيّنها كل تشغيل:

from ultralytics import YOLO
from ultralytics.utils import ROOT, YAML

# Copy the default TrackTrack config and turn on appearance re-identification
cfg = YAML.load(ROOT / "cfg/trackers/tracktrack.yaml")
cfg.update(with_reid=True, model="yolo26n-reid.onnx")
YAML.save("tracktrack_reid.yaml", cfg)

video = "https://github.com/ultralytics/assets/releases/download/v0.0.0/decelera_portrait_min.mov"
for tracker in ["tracktrack.yaml", "tracktrack_reid.yaml"]:
    model = YOLO("yolo26n.pt")  # fresh model so each run starts with no tracks
    ids = set()
    for result in model.track(video, tracker=tracker, classes=[0], stream=True, verbose=False):
        if result.boxes.is_track:
            ids.update(result.boxes.id.int().tolist())
    print(f"{tracker}: {len(ids)} person IDs")

يعيّن كلا التشغيلين 3 معرّفات للأشخاص في هذا المقطع القصير، لذا لا تغيّر مطابقة المظهر النتيجة هنا؛ لكنها مهمة في المقاطع الأطول التي يغادر فيها الأشخاص الإطار ثم يعودون. وبالنسبة إلى الأشخاص أنفسهم، يعني انخفاض عدد المعرّفات المتميزة انخفاض تبديلات الهوية، وهو ما تعتمد عليه الإحصاءات اللاحقة: فنظام عدّ الأشخاص الذي يمنح متسوقًا عائدًا معرّفًا جديدًا سيحسب ذلك المتسوق مرتين.

مصطلحات ذات صلة#

• التعرّف على الوجوه: يحدّد هوية الشخص بمطابقة تضمين وجهه مع معرض لأشخاص معروفين، مستخدمًا النوع نفسه من التضمينات التي تتخذها مولدات الحفاظ على الهوية مدخلًا للتكييف.
• خصوصية البيانات: تهدف إزالة المعلومات المُعرِّفة وإخفاء الهوية عمدًا إلى محو الهوية، وهو الهدف المعاكس.
• التزييف العميق: تستخدم عمليات تبديل الوجوه التوليدَ الذي يحافظ على الهوية دون موافقة الموضوع.