Identity Preservation

La preservación de la identidad es la capacidad de un modelo para mantener a un sujeto concreto reconocible como el mismo individuo en todas sus salidas: el mismo rostro en una serie de retratos generados, el mismo personaje desde el primer hasta el último fotograma de un vídeo generado o el mismo ID de seguimiento para un peatón que pasa por detrás de un autobús y vuelve a aparecer. Dos comunidades usan el término. En la IA generativa, describe métodos de personalización que incorporan a una persona o un producto reales en escenas nuevas sin cambiar quién o qué es. En el seguimiento de varios objetos (MOT), describe cómo mantener estable el ID de cada objeto a través de oclusiones, cruces y cambios de cámara. Ambos enfoques la miden con embeddings de identidad, vectores de características que quedan próximos para un mismo individuo y alejados para individuos distintos.

Preservación de la identidad en la generación de imágenes y vídeo#

Un modelo de texto a imagen sabe qué aspecto tiene «una mujer» o «un perro», pero no el de una mujer o un perro concretos, así que los métodos de personalización añaden ese conocimiento. Los métodos de ajuste fino lo aprenden a partir de unas pocas fotos. DreamBooth de Google (2022) ajusta todo el modelo de difusión con entre tres y cinco imágenes de un sujeto asociadas a un token poco frecuente, con una pérdida de preservación previa específica de la clase que mantiene la capacidad del modelo para generar otros perros con normalidad; los adaptadores LoRA hacen que la misma idea sea lo bastante barata como para entrenarla para cada persona.

Los métodos basados en codificadores evitan el entrenamiento para cada sujeto. IP-Adapter de Tencent (2023) introduce embeddings de imagen en el modelo de difusión mediante una capa de atención cruzada independiente, e InstantID (enero de 2024) preserva un rostro a partir de una sola foto combinando un embedding de una red de reconocimiento facial con IdentityNet, un ControlNet condicionado por cinco puntos de referencia faciales. Un condicionamiento de identidad más fuerte hace que el resultado se parezca más a la referencia y también copie más su pose, expresión e iluminación; por eso, estas herramientas ofrecen un ajuste de intensidad que equilibra el parecido con el grado en que la instrucción puede cambiar la escena.

Los rostros generados se puntúan mediante la similitud coseno entre los embeddings ArcFace de la foto de referencia y los del resultado; ArcFace, presentado por Jiankang Deng y sus colegas en CVPR 2019, entrena embeddings faciales con un margen angular para separar claramente las identidades en una hiperesfera. El vídeo añade un segundo requisito: mantener la coherencia del sujeto entre fotogramas, algo que VBench mide como coherencia del sujeto comparando características DINO entre fotogramas. En la generación de vídeo, un personaje cuyo rostro cambia en unos segundos no supera esta prueba, aunque cada fotograma por separado parezca realista.

Preservación de la identidad en el seguimiento#

Un rastreador asigna ID al asociar las detecciones de cada fotograma con los seguimientos existentes. El movimiento por sí solo —un filtro de Kalman que predice dónde estará cada recuadro más una asociación por intersección sobre unión (IoU)— funciona hasta que se cruzan dos personas o una desaparece detrás de un obstáculo; entonces, el rastreador intercambia sus ID o crea uno nuevo, un error que se contabiliza como cambio de identidad. Las características de apariencia solucionan gran parte del problema. DeepSORT (2017), de Nicolai Wojke, Alex Bewley y Dietrich Paulus, añadió al rastreador SORT, basado solo en el movimiento, embeddings de una red entrenada con un conjunto de datos de reidentificación de personas y redujo los cambios de identidad un 45 %. La métrica IDF1, propuesta por Ergys Ristani y sus colegas en 2016, puntúa directamente la preservación de la identidad como la proporción de detecciones asignadas a la identidad correcta.

El seguimiento de Ultralytics YOLO usa TrackTrack de forma predeterminada (Shim y sus colegas, CVPR 2025), que mantiene activos los seguimientos perdidos durante 30 fotogramas (track_buffer) para que un objeto que reaparece pueda recuperar su ID, y suprime los ID nuevos duplicados antes de crearlos. Si estableces with_reid: True en el YAML del rastreador, añades la asociación por apariencia, que de forma predeterminada usa las características del propio detector y, opcionalmente, un codificador específico, como el modelo YOLO26n-reid de 2,8 millones de parámetros. El fragmento de código sigue a personas en un vídeo de ejemplo con y sin ReID y cuenta los ID distintos que asigna cada ejecución:

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")

En este clip corto, ambas ejecuciones asignan 3 ID de persona, así que la asociación por apariencia no cambia nada; resulta importante en grabaciones más largas en las que la gente sale del encuadre y vuelve. Para las mismas personas, menos ID distintos significa menos cambios de identidad, algo de lo que dependen los recuentos posteriores: un sistema de conteo de personas que asigne un ID nuevo a un cliente que vuelve contará a ese cliente dos veces.

Términos relacionados#

• Reconocimiento facial: identifica a una persona al comparar el embedding de su rostro con una galería de personas conocidas, usando el mismo tipo de embedding que los generadores que preservan la identidad reciben como condicionamiento.
• Privacidad de datos: la ocultación y la anonimización eliminan deliberadamente la identidad; su objetivo es el opuesto.
• Deepfakes: los intercambios de rostros usan generación que preserva la identidad sin el consentimiento del sujeto.