顔認識システムは日常のさまざまな場面で広く運用されている。ユーザーのプライバシーを保護するため、主流のシステムは生の顔画像ではなく、本人確認に用いる顔テンプレートを保存している。しかし、顔テンプレート反転（Facial Template Inversion、FTI）技術はテンプレートから顔画像を再構築できるため、生体情報のプライバシーを脅かす。既存のFTI手法は単一の種類のテンプレートにしか適合できず、学習時に見たことのない種類のテンプレートから同一性の整合した顔を再構築することは難しい。
この限界に対処するため、著者らはまず主流のテンプレート抽出器を体系的に調査し、テンプレートの特徴空間における分布に応じて5つのカテゴリに分類した。すなわち、単位球面分布、角度線形分布、厳密な単位球面分布、円錐形分布、非一様超球面分布である。この観察が汎用的な反転フレームワークの設計基盤となっており、抽出器ごとにテンプレート分布が大きく異なるため、単一のマッピングネットワークでは同時に適合できないことを示している。
以上の分類に基づき、著者らはGMoE-FTIを提案する。このフレームワークは、負荷分散に依存するマルチブランチ型の代替手法とは異なる、真のMixture-of-Experts（MoE）機構を採用している。訓練は3つの段階で構成される。第1段階では、5つのマッピングエキスパート（ME）と1つのマッチングモジュール（MM）を独立に訓練し、各エキスパートをそれぞれ1つのテンプレート分布カテゴリに対応させる。第2段階では協調推論を行い、マッチングモジュールの出力で各マッピングエキスパートの出力を重み付けして統合し、事前学習済みのStyleGAN3と互換性のある統一的な潜在コードを生成して顔画像を再構築する。第3段階では全モジュールをエンドツーエンドで合同微調整し、同一性の整合性を強化するとともにエキスパート間の協調を高める。
実験では、LFWベンチマーク上でGMoE-FTIを評価し、最先端手法を上回る性能を示した。さらに説得力があるのは、未知テンプレートへの汎化テストである。著者らは、訓練時に見ていない7種類の主要なテンプレート、すなわちAdaFace、CosFace、CurricularFace、ElasticFace、SphereFace2、SphereFace-R、TransFaceで評価を行った。その結果、GMoE-FTIはTAR（真の受理率）を平均40%向上させ、FAPDとFAPCの2指標をそれぞれ平均約2%低減した。これらの結果は、異種テンプレート間での汎化能力を裏付けるものであり、テンプレート分布に基づいてエキスパートを分割し、マッチングモジュールで重み付け統合するアプローチが、未見のテンプレート種類に対する反転の課題に有効であることを示している。
本論文は2026年10月19日に投稿され、著者はZixuan Shen氏ら4名である。arXivのコンピュータビジョンとパターン認識（cs.CV）に分類され、人工知能（cs.AI）にも関連し、論文番号はarXiv:2610.33055である。