合成臉孔微調 CLIP 的競賽結果：完整訓練與低資料 LoRA 各有勝出方案

IJCB-AFMFR 2026 競賽報告於 7 月 27 日公開，試圖回答一個具體問題：不使用真實人臉訓練資料時，通用視覺—語言基礎模型能否有效轉成臉部辨識器。主辦方固定採用 CLIP ViT-L/14 作為骨幹，所有訓練影像均由 IDPERTURB 生成，再分成完整資料與低資料兩條賽道，藉此比較全量微調與參數高效率適配方法。

競賽收到四支團隊共八個有效提交。完整資料組中，DMSTI-Neurotechnology 使用 Sub-Center ArcFace 損失函數進行完整微調，取得綜合排名第一；低資料組則由 Idiap-BSP 的 rank-stabilized LoRA 方法領先。後者透過調整低秩適配矩陣的尺度，減少小資料微調的不穩定性，也顯示在合成資料受限時，凍結大部分骨幹參數未必會犧牲最佳綜合表現。

評測並非只看單一驗證集。主辦方以 Borda count 彙整 LFW、CFP-FP、AgeDB-30、CALFW、CPLFW、IJB-B、IJB-C 與 TinyFace 的驗證、辨識結果，另在 RFW 的四個人口群組檢查公平性。多項提交明顯優於未適配的 CLIP，部分也超過主辦方基線，說明合成身分資料可以把通用表徵推向專用生物辨識任務。

但「合成資料」不等於自動消除隱私或偏差：生成器仍可能繼承來源模型的表徵缺口，公開測試集也可能與實際攝影機、年齡及族群分布不同。競賽只有四支團隊，排名又由多個資料集彙整，不能據此宣布某種微調技術普遍最佳。工程上接下來應關注跨感測器測試、未知族群公平性、模型校準，以及生成資料與基礎模型訓練來源能否接受獨立稽核。