IJCB 2026에서 열린 합성 데이터 기반 얼굴 인식 모델 적응 대회(AFMFR) 결과를 요약했습니다. 총 8개 팀이 참여하여, 대규모 합성 데이터로 CLIP ViT-L/14 모델을 적응시키는 Full Data Track과 제한된 자원 환경을 반영하는 Limited Data Track으로 나뉘었습니다.
Borda count 방식으로 LFW, CFP-FP 등 다양한 벤치마크에서 검증 및 식별 성능을 평가했으며, RFW 데이터셋을 통해 공정성도 평가했습니다. 합성 데이터로 CLIP 모델을 적응시키는 것은 기존 모델보다 성능이 향상되었으며, 일부 경우 기준 모델을 능가했습니다.
Full Data Track에서는 Sub-Center ArcFace(DMSTI-Neurotechnology)의 전체 파인튜닝이 가장 좋은 성과를 냈고, Limited Data Track에서는 rank-stabilized LoRA 적응(Idiap-BSP)이 효과적이었습니다.