銀行、貸金業者、政府機関などが提供するオンラインサービスでは、遠隔地から利用者の身元を確認することが不可欠になっている。顔認証や証明書の真贋判定といった不正検知ツールは数多く存在するが、その評価やチューニングは依然として難しい。なぜなら、実際の身分証明書は機微な個人情報であり、研究やテストに利用できる標本が極端に少ないからだ。著者らは、この分野における自らの先行研究が8本のパートを合計して1万1,000回以上ダウンロードされたと指摘しており、合成データ生成への関心の高さをうかがわせる。
本研究は2026年9月2日にarXivへ提出された技術報告で、IDSpaceという文書生成器を提案している。IDSpaceはこれまでの研究を三つの方向へ拡張する。第一に、モデル誘導型ベイズ最適化を導入する。対象領域から得られる少数の実サンプルだけを手掛かりに、生成パラメータを調整し、視覚的な類似性と対象領域モデルの予測一貫性を同時に高める。第二に、ユーザーが指定するメタデータと、システムが自動で調整する制御パラメータを分離する。人口統計情報、不正パターン、撮影デバイスなどの条件を指定すれば、フォントスタイル、ノイズレベル、画質といった低水準のパラメータは自動で処理されるため、利用者は画像処理の専門知識を必要としない。第三に、テンプレート画像だけではなく、スキャン文書とスマートフォン撮影文書に対応し、実際の運用環境に近い形で評価を行えるようにする。
実験では、CycleGAN、拡散モデルによるインペインティング、非誘導型最適化といったベースラインと比較し、少数の実サンプルを使うだけで評価一貫性を15〜45%改善した。さらに、下流の認識モデルの学習精度を最大9%向上させ、対象領域とのSSIM類似度を10%改善した。研究チームはまた、欧州の10種類のIDを対象とする35万9,240枚の高品質合成文書データセットを公開しており、実験の再現や追加の研究に活用できる。
論文はComputer Vision and Pattern Recognition (cs.CV) と Machine Learning (cs.LG) に分類され、arXiv:2609.03052として公開されている。著者はLulu Xie氏ほか5名。オンライン本人確認の重要性が増す中、IDSpaceのように視覚的なリアリティとモデル予測の一貫性を両立する合成データは、デジタル身元確認システムの信頼性を評価するための実用的な手段となるだろう。