Identity Preservation

La conservazione dell'identità è la capacità di un modello di mantenere un soggetto specifico riconoscibile come lo stesso individuo nei suoi output: lo stesso volto in una serie di ritratti generati, lo stesso personaggio dal primo all'ultimo fotogramma di un video generato o lo stesso ID di tracking per un pedone che passa dietro un autobus e riappare. Il termine è usato in due ambiti. Nell'IA generativa descrive metodi di personalizzazione che inseriscono una persona o un prodotto reali in nuove scene senza modificarne l'identità. Nel tracking di più oggetti (MOT) indica la stabilità dell'ID di ciascun oggetto durante occlusioni, incroci e cambi di telecamera. In entrambi i casi si misura tramite embedding d'identità, vettori di caratteristiche vicini tra loro per lo stesso individuo e distanti per individui diversi.

Conservazione dell'identità nella generazione di immagini e video#

Un modello testo-immagine sa che aspetto hanno «una donna» o «un cane», ma non quello di una donna o un cane specifici, quindi i metodi di personalizzazione aggiungono questa conoscenza. I metodi di fine-tuning la apprendono da poche foto. DreamBooth di Google (2022) esegue il fine-tuning dell'intero modello di diffusione su tre-cinque immagini di un soggetto associate a un token raro, con una funzione di perdita di conservazione del prior specifica per classe che mantiene la capacità del modello di generare normalmente altri cani; gli adattatori LoRA rendono la stessa idea abbastanza economica da poter essere addestrata per ogni persona.

I metodi basati su encoder evitano l'addestramento per ogni soggetto. IP-Adapter di Tencent (2023) immette gli embedding dell'immagine nel modello di diffusione attraverso un livello separato di attenzione incrociata, mentre InstantID (gennaio 2024) conserva il volto di una singola foto combinando un embedding ottenuto da una rete di riconoscimento facciale con IdentityNet, un ControlNet condizionato su cinque punti di riferimento del volto. Un condizionamento dell'identità più forte rende l'output più simile all'immagine di riferimento, ma ne copia anche maggiormente posa, espressione e illuminazione; per questo questi strumenti espongono un'impostazione di intensità che bilancia la somiglianza con la libertà del prompt nel modificare la scena.

I volti generati vengono valutati tramite la similarità coseno tra gli embedding ArcFace della foto di riferimento e dell'output; ArcFace, presentato da Jiankang Deng e colleghi a CVPR 2019, addestra embedding facciali con un margine angolare, così le identità si separano nettamente su una ipersfera. Il video aggiunge un secondo requisito: mantenere la coerenza del soggetto tra i fotogrammi, misurata da VBench come coerenza del soggetto confrontando le caratteristiche DINO tra i fotogrammi. Nella generazione video, un personaggio il cui volto cambia nell'arco di pochi secondi non supera questo test, anche se ogni singolo fotogramma appare realistico.

Conservazione dell'identità nel tracking#

Un tracker assegna gli ID associando i rilevamenti di ogni fotogramma alle tracce esistenti. Il solo movimento, con un filtro di Kalman che prevede la posizione di ogni riquadro e un'associazione basata sull'intersezione sull'unione (IoU), funziona finché due persone non si incrociano o una scompare dietro un ostacolo; a quel punto il tracker scambia i loro ID o ne avvia uno nuovo, un errore conteggiato come cambio d'identità. Le caratteristiche dell'aspetto risolvono gran parte del problema. DeepSORT (2017) di Nicolai Wojke, Alex Bewley e Dietrich Paulus ha aggiunto al tracker SORT basato solo sul movimento gli embedding di una rete addestrata su un dataset di re-identificazione delle persone, riducendo i cambi d'identità del 45 percento. La metrica IDF1, proposta da Ergys Ristani e colleghi nel 2016, valuta direttamente la conservazione dell'identità come quota di rilevamenti associati all'identità corretta.

Il tracking di Ultralytics YOLO usa per impostazione predefinita TrackTrack (Shim e colleghi, CVPR 2025), che mantiene attive le tracce perse per 30 fotogrammi (track_buffer), così un oggetto che ritorna può riprendere il proprio ID, e sopprime gli ID nuovi duplicati prima di crearne uno. Impostando with_reid: True nello YAML del tracker si aggiunge l'associazione basata sull'aspetto, per impostazione predefinita con le caratteristiche del rilevatore stesso e, facoltativamente, con un encoder dedicato come il modello YOLO26n-reid da 2,8 milioni di parametri. Il frammento seguente traccia le persone in un video di esempio con e senza ReID e conta gli ID distinti assegnati da ciascuna esecuzione:

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")

In questa breve clip entrambe le esecuzioni assegnano 3 ID di persona, quindi qui l'associazione basata sull'aspetto non cambia nulla; diventa utile nei filmati più lunghi, in cui le persone escono dall'inquadratura e rientrano. A parità di persone, un numero inferiore di ID distinti significa meno cambi d'identità, da cui dipendono i conteggi a valle: un sistema di conteggio delle persone che assegna un nuovo ID a un cliente che ritorna lo conta due volte.

Termini correlati#

• Riconoscimento facciale: identifica una persona confrontando il suo embedding facciale con una galleria di persone note, usando lo stesso tipo di embedding che i generatori con conservazione dell'identità ricevono come condizionamento.
• Privacy dei dati: oscuramento e anonimizzazione rimuovono deliberatamente l'identità, perseguendo l'obiettivo opposto.
• Deepfake: gli scambi di volto usano la generazione con conservazione dell'identità senza il consenso del soggetto.