FlowID：通过潜在流量匹配模型增强取证识别

每天，都有许多人在暴力环境下死亡，无论是犯罪、战争、移民还是气候灾难。法医和执法机构记录了许多死者的肖像作为证据，但无法立即对其进行鉴定。虽然传统的图像编辑工具可以处理这些照片以供公开发布，但工作流程很长并且产生的结果不是最佳的。在这项工作中，我们利用图像生成模型的进步（现在可以生成逼真的人物肖像）来引入 FlowID，这是一种保留身份的面部重建方法。我们的方法结合了单图像 微调（使生成模型适应分布外受伤的面部）和基于注意力的遮蔽（将编辑本地化到受损区域，同时保留身份关键特征）。这些组件一起可以消除暴力死亡造成的文物，同时保留足够的身份信息来支持身份识别。为了评估我们的方法，我们引入了 InjuredFaces，这是一种在严重面部损伤下保留身份的面部重建的新基准。除了作为这项工作的评估工具之外，InjuredFaces 还为社区提供了标准化资源，用于研究和比较极端条件下面部重建的方法。实验结果表明，FlowID 的性能优于最先进的开源方法，同时保持较低的内存需求，使其适合本地部署而不损害数据隐私。