arXiv · cs.AI· Pawe{\l} Borsukiewicz, Daniele Lunghi, Wendk\^uuni C. Ou\'edraogo, Fadi Boutros, Jacques Klein, Tegawend\'e F. Bissyand\'e·· 2 天前
Scaled Overlap（SO）指标用于评估合成人脸数据中的身份泄露
Not All Similarity Is Leakage: Distribution-Aware Identity Leakage Assessment in Synthetic Face Datasets
arXiv:2610.26077v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Pawe{\l} Borsukiewicz, Daniele Lunghi, Wendk\^uuni C. Ou\'edraogo, Fadi Boutros, Jacques Klein, Tegawend\'e F. Bissyand\'e
研究任务与主要进展
基于论文摘要，作者提出Scaled Overlap（SO）指标，将非参数数据复制检验扩展到人脸身份层面，并通过多模型设置降低对单个分类器的依赖。分析识别出CemiFace、SFace2和IDNet的身份泄露，其中CemiFace受生成模型条件控制造成的泄露最明显；多数合成图像被作者判定为来自多个身份，而非依赖单一身份。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org