照片陣容中包含大型圖庫非匹配排名第一圖像時，準確性如何變化？
一項新研究調查了面部識別流程中照片陣容準確性受圖庫大小的影響。研究發現，隨着圖庫規模從500張增加到24,000張，目擊者錯誤識別的可能性及其對錯誤識別的信心均顯著上升。該流程已涉及至少9起錯誤逮捕，質疑是否應繼續使用此類圖像進行照片陣容，以及僅憑照片陣容結果是否應構成逮捕的合理依據。
一項發表在arXiv上的新研究（編號：2607.21792）探討了面部識別流程中照片陣容準確性受圖庫規模影響的問題。該研究由Genesis Argueta等四位作者完成，於2026年7月23日提交。研究聚焦於一種常見的一對多面部識別方法：將監控視頻中的探頭圖像與駕駛執照或入獄照片圖庫進行匹配。算法輸出的排名第一的圖像，或由人類審查員從算法前幾名圖像中選出的結果，隨後被放入供目擊者指認的照片陣容中。目擊者選擇圖庫中的圖像，可能導致該圖像對應的人員被逮捕。
研究團隊指出，這種面部識別流程已經與至少9起錯誤逮捕案例有關。為了量化問題，他們設計了實驗，比較了當“嫌疑人”圖像分別來自包含500張、5,000張和24,000張圖像的圖庫時，照片陣容的準確性。結果顯示，隨着圖庫規模增大，目擊者做出錯誤識別的可能性顯著增加，並且目擊者對錯誤識別的信心也隨之提高。這意味着，更大的圖庫不僅增加了錯誤率，還使得錯誤識別看起來更可信。
這些發現引發了重要的法律和倫理問題：是否應該將此類面部識別流程產生的圖像用於照片陣容？僅憑照片陣容的結果是否足以構成逮捕的合理依據？研究者認為，當前的做法可能需要重新審視，以避免進一步的司法錯誤。該論文共22頁，包含18張圖表，後8頁為實驗中使用的嫌疑人圖像示例。