FaceID-6M: A Large-Scale, Open-Source FaceID Customization Dataset
作者: Shuhe Wang, Xiaoya Li, Jiwei Li, Guoyin Wang, Xiaofei Sun, Bob Zhu, Han Qiu, Mo Yu, Shengjie Shen, Tianwei Zhang, Eduard Hovy
发布时间: 2025-03-12
来源: arxiv
研究方向: 人脸识别定制化（FaceID Customization）和数据集构建
主要内容
FaceID-6M是一个大规模、开源的人脸识别定制化数据集，包含600万高质量文本-图像对。该数据集从LAION-5B中筛选而来，经过严格的图像和文本过滤过程，以确保数据集质量，旨在为训练强大的FaceID定制化模型提供高质量的数据支持。
主要贡献
1. 收集并发布了首个大规模、开源的FaceID定制化数据集FaceID-6M。
2. 使代码、数据集和模型完全公开，以支持FaceID定制化社区的研究和进步。
3. 在FaceID-6M数据集上训练的模型性能与现有工业模型相当，甚至在某些方面表现更好。
研究方法
1. 从LAION-5B中收集大量文本-图像对。
2. 语言过滤：仅保留英语文本-图像对。
3. 图像过滤：移除不满足FaceID定制化任务要求的图像，如无人脸图像、模糊或遮挡的图像等。
4. 文本过滤：移除与FaceID应用无关或误导性的文本描述。
5. 使用扩散模型进行FaceID定制化模型的训练。
6. 进行实验，包括直接生成比较、定量评估和人工评估，以验证FaceID-6M的有效性。
实验结果
实验结果表明，在FaceID-6M数据集上训练的模型在FaceID保真度方面与现有工业模型相当，甚至在某些方面表现更好。此外，人工评估也证实了模型在提示对齐、FaceID保真度和图像质量方面的改进。
未来工作
未来研究可以探索如何进一步提高FaceID定制化模型的性能，并研究如何将FaceID-6M数据集应用于其他领域，如人机交互、虚拟现实和增强现实等。