VTF900：900人可见光-热红外人脸识别基准发布

跨光谱人脸识别长期受限于评测数据集规模过小——多数基准的注册库（gallery）仅约100人，这让「小规模高精度」与「真实部署表现」之间横亘着一道难以量化的鸿沟。新发布的VTF900数据集把这一数字推到900人，并系统性揭示了规模化评测下不同模型架构的真实差异。

为什么需要更大规模的跨光谱基准

可见光-热红外人脸识别的典型场景是：以热红外图像作为查询（probe），与可见光注册模板进行比对。这一设定在夜间安防、无光照条件身份核验中具有明确价值，但现有基准的注册库规模（N ≈ 100 subjects）严重制约了评测的可信度。

小规模注册库带来的问题不只是统计功效不足。当候选集只有百人量级时，模型之间的差距容易被压缩，排名靠前的方案在实际部署中未必保持优势。VTF900的作者明确指出，这一限制使得「在大规模下准确评估可见光-热红外人脸识别、并报告具有运营相关性的性能指标」变得困难。VTF900因此被设计为支持验证任务（1:1匹配）与闭集识别任务（1:N匹配）的大规模评测，并特别针对跨光谱与跨数据集分析的组合挑战。

跨光谱人脸识别中的“光谱”指成像波段。可见光（VIS）相机捕获400–700 nm的反射光，依赖环境照明；热红外（LWIR，通常8–14 μm）相机捕获人体自发辐射，不依赖光照。两者成像机理不同，同一身份在两种模态下的纹理、对比度分布差异显著，导致在可见光上训练的模型直接用于热红外图像时性能骤降。跨光谱识别的核心挑战是学习模态不变的身份表征，常见手段包括模态对齐损失、生成式跨模态转换和域自适应。

数据集构成与测试设计

VTF900包含900名受试者的配对影像，覆盖表情、姿态与遮挡变化。这些变化维度并非随意选取——姿态和遮挡正是跨光谱识别在实际场景中最常见的失效来源。

在实验设计上，研究者在ARL-VTF数据集上训练模型，随后在VTF900上开展基准分析，覆盖卷积网络（基线）、视觉Transformer以及域自适应神经网络架构。这种「在A数据集训练、在B数据集大规模评测」的跨数据集设定，比同源同分布的评测更接近部署现实。

ARL-VTF是美国陆军研究实验室（ARL）发布的可见光-热红外人脸数据集，是跨光谱识别领域常用的训练与评测资源，但其注册库规模同样在百人量级。VTF900的实验采用“在ARL-VTF上训练、在VTF900上评测”的跨数据集协议，目的是检验模型对未见过受试者和不同采集条件的泛化能力。这种设定比在同一数据集内划分训练/测试更严格，因为两套数据在传感器、环境与人群分布上存在差异，能更真实地反映部署时的域偏移问题。

关键发现：小规模AUC不等于部署可用性

全库规模（N=900）下的结果呈现出清晰的架构分化。正面条件下，Transformer类模型表现突出，ViT-B达到97.68%的AUC和51.10%的TAR@1%FAR。但在非正面姿态下，域自适应方法展现出更强韧性，DPIT-ResNet50取得94.68%的AUC与36.08%的TAR@1%FAR。

更值得关注的是作者的结论性判断：小规模下的高AUC并不能转化为部署规模下的可靠性能，而姿态变化会显著放大性能衰减。这意味着以往基于百人级注册库得出的模型排名，在900人规模下可能发生实质性重排。TAR@1%FAR这类指标在51.10%与36.08%之间的差距，对应到真实门禁或布控系统中就是可用与不可用的区别。

AUC（Area Under the ROC Curve）衡量的是在所有“同人/异人”比对对中，模型将同人对的相似度排在异人对之前的概率，取值0–1，越接近1越好。它刻画的是全局排序能力，与具体阈值无关。TAR@1%FAR则是在误接受率（FAR）固定为1%时对应的真实接受率（TAR），直接对应“系统在可接受的误报水平下能认出多少比例的目标”，更贴近门禁、布控等运营指标。二者关注点不同：AUC高说明整体区分度好，但TAR@1%FAR低可能意味着在严格误报约束下可用性不足，这正是文中强调小规模AUC不能代表部署表现的原因之一。

对跨光谱识别研究的实际意义

VTF900的价值不在于刷新某个榜单数字，而在于提供了一个能暴露失效模式的压力测试环境。它把「跨光谱」与「跨数据集」两个难点叠加，同时把注册库规模提升近一个数量级，让研究者能够观察到性能随规模变化的衰减曲线。

对工程实践而言，这一基准提示选型逻辑需要调整：正面场景可优先考虑Transformer架构，而姿态变化频繁的开放环境则应关注域自适应方案。对学术研究而言，900人规模的公开基准填补了跨光谱识别在大规模评测上的空白，后续方法的比较有了更接近运营指标的参照系。

数据集的完整基准分析已在论文中给出，涵盖三类架构在全库规模下的验证与识别结果，为跨光谱人脸识别系统的严谨评估提供了新的基础设施。