顔認識技術は通常の条件下では著しい性能向上を遂げていますが、クエリ顔がマスクなどで部分的に遮蔽されている場合、その精度は大幅に低下することが課題となっていました。特に新型コロナウイルスの流行に伴い、マスク着用時の顔認識の重要性が高まっています。既存のアプローチではパッチレベルの類似度を活用して堅牢性を向上させていますが、細粒度マッチング機構に頼るため計算コストが高く、大規模検索シナリオでの実用化が制限されていました。 今回発表されたMGFaceは、このような課題を解決するために設計された新しい顔認識パイプラインです。このシステムはクエリ顔のマスク状態を予測し、その予測結果に基づいて類似度計算を条件付けでルーティングします。具体的には、マスクなしのクエリには効率的なグローバル埋め込みマッチングを適用し、マスク着用のクエリに対してのみマスク対応のパッチレベル再ランキングを起動することで、信頼性の高い上顔領域に焦点を当てながら不必要な細粒度計算を回避しています。 拡張LFW-Maskデータセットでの実験結果は、MGFaceがFaceNetバックボーンで80%以上、ArcFaceバックボーンで90%以上の認識精度を達成することを示しています。従来のEMDベース再ランキング手法と比較した場合、認識性能が向上するとともにクエリ時間を約20倍削減することに成功しました。これらの成果は、低計算オーバーヘッドでマスク着用時の顔認識精度を向上させるというMGFaceの有効性を実証しており、今後の実用的な顔認識システムの発展に大きく貢献するものと期待されます。