Lulu Xie氏らの研究チームは9月2日(現地時間)、デジタル本人確認システム向けの新たな文書生成器「IDSpace」を発表した。オンラインサービスにおけるリモートユーザー本人確認の需要が高まる中、機密性の高い本人確認書類の評価データ不足が課題となっており、合成データ生成の重要性が指摘されている。IDSpaceはこの課題解決に向けた進展となるもので、arXiv cs.CVが同日付で技術報告書を公開した。
IDSpaceは、従来の関連研究を大きく三つの方向で拡張している。第一に、モデル誘導型ベイズ最適化（model-guided Bayesian optimization）を提案した。この手法は、ターゲットとするドメインの少数のサンプルから、視覚的類似性と予測一貫性の両方を最大化するよう生成パラメータを調整することを可能にする。これにより、限られた実データからでも高品質な合成データを効率的に生成できると研究チームは説明する。
第二に、ユーザーが指定するメタデータ（人口統計、詐欺パターン、取得デバイスなど）と、システムが自動的に調整する制御パラメータ（フォントスタイル、ノイズレベル、画像品質など）を分離した点にある。この分離設計により、ユーザーは低レベルの専門知識がなくても評価設定を柔軟に構成できるようになる。例えば、特定の人口統計やデバイス環境を想定した評価データセットを容易に作成することが可能となる。
第三に、IDSpaceは対応範囲をテンプレート画像だけでなく、スキャンされた文書やモバイルデバイスで撮影された文書にも広げている。これにより、実際の多様な利用シナリオに対応した評価データの生成が可能となり、より現実的な本人確認システムの性能評価に貢献すると見られる。
実験では、CycleGAN、diffusion inpainting、非誘導型最適化といった従来のベースライン手法と比較が行われた。その結果、IDSpaceはわずかな実サンプルを用いるだけで、評価一貫性を15〜45%向上させることを示した。さらに、訓練精度は最大9%の改善を見せ、ターゲットドメインとのSSIM（Structural Similarity Index Measure）類似性も10%向上した。研究チームはまた、欧州の10種類のIDタイプにわたる359,240点もの高品質な合成文書を含む新しいデータセットを公開しており、これは研究コミュニティにとって貴重なリソースとなると期待される。
参考: arXiv cs.CV — 2026年9月4日 13:00 (JST)
原文ハイライト"IDSpace: A Novel Document Generator for Reliable Evaluation of Digital Identity Verification Systems"