Identity Preservation

Preservação de identidade é a capacidade de um modelo de manter um sujeito específico reconhecível como a mesma pessoa em todas as suas saídas: o mesmo rosto em um conjunto de retratos gerados, o mesmo personagem do primeiro ao último quadro de um vídeo gerado ou o mesmo ID de rastreamento para um pedestre que passa atrás de um ônibus e reaparece. Duas comunidades usam esse termo. Em IA generativa, ele descreve métodos de personalização que inserem uma pessoa ou um produto real em novas cenas sem mudar quem ou o que são. No rastreamento de múltiplos objetos (MOT), descreve a manutenção de um ID estável para cada objeto durante oclusões, cruzamentos e mudanças de câmera. Ambos medem essa capacidade com embeddings de identidade, vetores de características que ficam próximos entre si para a mesma pessoa e distantes para pessoas diferentes.

Preservação de identidade na geração de imagens e vídeos#

Um modelo de texto para imagem sabe como é “uma mulher” ou “um cachorro”, mas não sabe como é uma mulher ou um cachorro em particular; por isso, métodos de personalização adicionam esse conhecimento. Métodos de ajuste fino aprendem com algumas fotos. O DreamBooth do Google (2022) ajusta todo o modelo de difusão usando de três a cinco imagens de um sujeito associado a um token raro, com uma perda de preservação de prior específica da classe que mantém o modelo gerando normalmente outros cachorros; os adaptadores LoRA tornam a mesma ideia barata o suficiente para treinar para cada pessoa.

Métodos baseados em codificadores dispensam o treinamento por sujeito. O IP-Adapter da Tencent (2023) alimenta embeddings de imagem no modelo de difusão por meio de uma camada separada de atenção cruzada, e o InstantID (janeiro de 2024) preserva um rosto a partir de uma única foto, combinando um embedding de uma rede de reconhecimento facial com o IdentityNet, um ControlNet condicionado por cinco pontos de referência faciais. Um condicionamento de identidade mais forte faz a saída se parecer mais com a referência, mas também copia mais da pose, da expressão e da iluminação; por isso, essas ferramentas oferecem uma configuração de intensidade que equilibra a semelhança e o quanto a solicitação pode alterar a cena.

Rostos gerados são avaliados pela similaridade do cosseno entre os embeddings ArcFace da foto de referência e da saída; o ArcFace, apresentado por Jiankang Deng e colegas na CVPR 2019, treina embeddings faciais com uma margem angular para separar claramente as identidades em uma hiperesfera. O vídeo acrescenta um segundo requisito: manter o sujeito consistente entre os quadros, o que o VBench mede como consistência do sujeito, comparando características DINO entre quadros. Na geração de vídeos, um personagem cujo rosto muda ao longo de alguns segundos não passa nesse teste, mesmo que cada quadro isolado pareça realista.

Preservação de identidade no rastreamento#

Um rastreador atribui IDs ao associar as detecções de cada quadro às trajetórias existentes. Somente o movimento — um filtro de Kalman que prevê onde cada caixa estará, combinado com uma associação pela interseção sobre união (IoU) — funciona até duas pessoas se cruzarem ou uma desaparecer atrás de um obstáculo; então, o rastreador troca seus IDs ou inicia um novo, um erro contabilizado como troca de identidade. As características de aparência resolvem boa parte desse problema. O DeepSORT (2017), de Nicolai Wojke, Alex Bewley e Dietrich Paulus, adicionou embeddings de uma rede treinada em um conjunto de dados de reidentificação de pessoas ao rastreador SORT, que usava apenas movimento, e reduziu as trocas de identidade em 45%. A métrica IDF1, proposta por Ergys Ristani e colegas em 2016, avalia diretamente a preservação de identidade como a proporção de detecções às quais foi atribuída a identidade correta.

O rastreamento do Ultralytics YOLO usa o TrackTrack por padrão (Shim e colegas, CVPR 2025), que mantém as trajetórias perdidas ativas por 30 quadros (track_buffer) para que um objeto que retorna possa recuperar seu ID, e suprime IDs novos duplicados antes de criar um. Definir with_reid: True no YAML do rastreador adiciona a correspondência de aparência, usando por padrão as próprias características do detector e, opcionalmente, um codificador dedicado, como o modelo YOLO26n-reid de 2,8 milhões de parâmetros. O trecho de código rastreia pessoas em um vídeo de exemplo com e sem ReID e conta os IDs distintos atribuídos em cada execução:

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")

Neste clipe curto, as duas execuções atribuem 3 IDs de pessoa, então a correspondência de aparência não muda nada; ela é importante em gravações mais longas, nas quais as pessoas saem do quadro e retornam. Para as mesmas pessoas, menos IDs distintos significam menos trocas de identidade, que é o que as contagens posteriores usam: um sistema de contagem de pessoas que atribui um novo ID a um cliente que retorna conta esse cliente duas vezes.

Termos relacionados#

• Reconhecimento facial: identifica uma pessoa comparando seu embedding facial com uma galeria de pessoas conhecidas, usando o mesmo tipo de embedding que os geradores que preservam identidade recebem como condicionamento.
• Privacidade de dados: a redação e a anonimização removem a identidade deliberadamente, o objetivo oposto.
• Deepfakes: as trocas de rosto usam geração que preserva a identidade sem o consentimento do sujeito.