Viabilidad de búsqueda de parentesco en problema inverso familiar

Abstract

El reconocimiento familiar a partir de imágenes faciales es una tarea desafiante que amplía la verificación facial tradicional al incorporar variaciones genéticas y generacionales. Mientras que los enfoques existentes, como los explorados en el desafío Recognizing Families In the Wild (RFIW), se centran en verificar relaciones familiares en una dirección temporal lineal (comparando mayormente padres con hijos jóvenes), nuestra investigación aborda un problema inverso: la identificación de hijos mediante la comparación de adultos con versiones más jóvenes de sus padres. El objetivo de este trabajo es determinar si esta formulación inversa constituye un problema distinto al reconocimiento de parentesco tradicional o si puede resolverse con los mismos enfoques. Para ello, utilizamos ArcFace [Deng et al., 2019] para la alineación de rostros y extracción de embeddings faciales. Desarrollamos además un conjunto de datos que refleja esta inversión temporal, basado en imágenes extraídas del sitio MDb (Internet Movie Database). Evaluamos el comportamiento del modelo comparando las distribuciones de similitud del coseno en ambos datasets: el tradicional (FIW) y el nuevo dataset inverso.

Kinship recognition from facial images is a challenging task that broadens traditional facial verification techniques by incorporating genetic and generational variations. While preexisting approaches, such as those explored in the Recognizing Families In the Wild (RFIW), focus on verifying familial relationships in a standard temporal direction (mostly comparing parents to their younger children), our reaserch addresses the inverse problem: identifying children by comparing adults with younger versions of their parents. This work’s goal is to determine whether this inverse formulation consitutes a different problem from traditional kinship recognition, or whether it can be addressed using the same approaches. To this end, we used ArcFace [Deng et al., 2019] for facial alignment and embedding extraction. We also developed a new dataset reflecting this temporal inversion, based on images extracted from IMDb (Internet Movie Database). We evaluated the model’s performance by comparing the distribution of the cosine similarity in both datasets: the traditional approach (FIW) and our newly proposed inverse dataset.