Identity Preservation

Trong trí tuệ nhân tạo (AI) và học máy (ML), bảo tồn danh tính đề cập đến khả năng của một thuật toán trong việc duy trì các đặc điểm nhận diện độc nhất của một người, vật thể hoặc thực thể cụ thể thông qua nhiều biến đổi, chu kỳ tạo nội dung hoặc chuỗi thời gian khác nhau. Cho dù là theo dõi một phương tiện đang di chuyển qua nhiều luồng camera hay tạo ra một avatar kỹ thuật số được cá nhân hóa từ câu lệnh văn bản, việc bảo tồn danh tính đảm bảo rằng các tính năng cốt lõi định nghĩa thực thể cụ thể đó vẫn còn nguyên vẹn và nhất quán, ngăn chặn việc AI làm mất dấu hoặc làm sai lệch chủ thể.

Link to this sectionBảo tồn danh tính trong Generative AI#

Sự tiến bộ nhanh chóng của generative AI, đặc biệt là diffusion models và Generative Adversarial Networks (GANs), đã biến bảo tồn danh tính thành một lĩnh vực nghiên cứu quan trọng. Khi người dùng yêu cầu AI đặt một người cụ thể vào môi trường mới hoặc áp dụng bộ lọc phong cách, model phải thao tác trên hình ảnh mà không làm thay đổi danh tính cơ bản của chủ thể.

Những đột phá gần đây trong tổng hợp văn bản thành hình ảnh, chẳng hạn như IP-Adapter và các khung huấn luyện nhất quán danh tính, đã cải thiện đáng kể cách các model giữ lại các đặc điểm khuôn mặt và cấu trúc toàn vẹn. Bằng cách tận dụng các embeddings toán học bắt nguồn từ các mạng nhận diện khuôn mặt mạnh mẽ như ArcFace, các generative model này ánh xạ các đặc điểm danh tính riêng biệt vào một không gian ẩn (latent space). Điều này cho phép thực hiện các phép biến đổi phức tạp—như thử đồ ảo trong bán lẻ hoặc tiến trình lão hóa động—đồng thời đảm bảo kết quả đầu ra được tạo ra vẫn liên kết chặt chẽ với chủ thể gốc.

Link to this sectionBảo tồn danh tính trong thị giác máy tính#

Trong thị giác máy tính (CV), bảo tồn danh tính là nền tảng cho việc theo dõi và giám sát. Khi một vật thể hoặc con người di chuyển qua một cảnh, bị che khuất hoặc chuyển đổi giữa các góc nhìn camera khác nhau, hệ thống phải gán và duy trì nhất quán một nhãn ID duy nhất.

Khái niệm này được tích hợp chặt chẽ với Object Re-identification (Re-ID) và Multi-Object Tracking (MOT). Trong khi việc theo dõi vật thể cơ bản dựa vào việc dự đoán vị trí tương lai của chủ thể sử dụng tính liên tục theo thời gian, thì bảo tồn danh tính đảm bảo rằng khi sự liên tục này tạm thời bị ngắt quãng (ví dụ: một người đi bộ phía sau vật cản), kết quả phát hiện được thiết lập lại sẽ được khớp chính xác với danh tính ban đầu dựa hoàn toàn vào các đặc điểm thị giác. Để đạt được điều này, các model thường tính toán cosine similarity giữa các vector đặc trưng trong thời gian thực.

Điều quan trọng là phải phân biệt bảo tồn danh tính với Data Privacy. Data privacy cố tình che giấu hoặc biên tập danh tính—chẳng hạn như làm mờ khuôn mặt hoặc biển số xe—để bảo vệ thông tin cá nhân. Ngược lại, bảo tồn danh tính chủ động tìm cách duy trì và xác minh các đặc điểm riêng biệt này để đảm bảo tính nhất quán trong phân tích hoặc tạo nội dung.

Link to this sectionCác ứng dụng trong thực tế#

Việc bảo tồn danh tính mở ra các khả năng mạnh mẽ và hiệu quả trong nhiều ngành công nghiệp:

• Smart City Analytics and Security: Trong các triển khai đô thị quy mô lớn, việc bảo tồn danh tính phương tiện và người đi bộ qua các mạng lưới camera không chồng lấp cho phép phân tích lưu lượng giao thông chính xác, theo dõi xuyên camera và phát hiện bất thường mà không đếm sai cùng một thực thể nhiều lần.
• Media and Entertainment: Các generative model được sử dụng rộng rãi trong sản xuất phim và phát triển game để tạo ra các bản sao kỹ thuật số nhất quán, cho phép chân dung của diễn viên được bảo tồn liền mạch qua các cảnh quay tổng hợp và điều kiện ánh sáng khác nhau.

Link to this sectionTriển khai bảo tồn danh tính trong theo dõi#

Các đường ống theo dõi vật thể hiện đại quản lý việc bảo tồn danh tính thông qua các trình theo dõi tích hợp tận dụng cả các đặc điểm không gian và ngoại hình thị giác. Ultralytics Platform đơn giản hóa việc triển khai các model như Ultralytics YOLO26, có thể được kết hợp tự nhiên với các thuật toán theo dõi như BoT-SORT để đảm bảo tính bền bỉ của danh tính.

Đoạn mã Python sau đây minh họa cách track objects và bảo tồn các ID duy nhất của chúng qua các khung hình video sử dụng Ultralytics Python package:

from ultralytics import YOLO

# Load the latest YOLO26 model optimized for accuracy and speed
model = YOLO("yolo26n.pt")

# Perform tracking on a video source with persist=True for identity preservation
results = model.track(
    source="path/to/video.mp4",
    tracker="botsort.yaml",  # BoT-SORT uses appearance features to preserve ID
    persist=True,
)

# Extract and print the preserved tracking ID for the first object
if results[0].boxes.id is not None:
    print(f"Preserved Identity ID: {results[0].boxes.id[0].item()}")

Bằng cách đảm bảo rằng mỗi vật thể được phát hiện giữ lại một chữ ký danh tính nhất quán, các nhà phát triển có thể xây dựng các ứng dụng mạnh mẽ từ autonomous driving đến tạo nội dung cá nhân hóa, dựa vào các khung như PyTorch để xử lý hiệu quả các tensor operations phức tạp bên dưới.