邓健康：南信大本科帝国理工博士，写出最牛公开人脸识别算法ArcFace，开源人脸库被下载2100多万次

邓健康：南信大本科帝国理工博士，写出最牛公开人脸识别算法ArcFace，开源人脸库被下载2100多万次

AI人物 | 感受他们为世界做出的贡献

2019年8月，莫斯科国立大学和华为莫斯科研究中心的两位研究者发了一篇论文，琢磨的是一件有点调皮的事：在帽子上贴一张彩色打印的纸，能不能让人脸识别认不出你？

要骗，就得挑一个够硬的靶子。他们挑的是ArcFace，论文标题里就点了它的名。正文给它的称呼是：公开的人脸识别系统里，最好的那一个。

ArcFace的第一作者叫邓健康。论文2018年1月挂上网的时候，他是伦敦帝国理工学院的博士生，本科和硕士都读的是南京信息工程大学。

这篇论文在谷歌学术上被引用了1.2万多次。他和同伴郭嘉把算法做成了一个谁都能免费拿去用的工具包，叫InsightFace，累计被下载了2100多万次。

他现在是帝国理工计算机系的助理教授。

刷脸的时候，机器到底在比什么

火车站的闸机前，你把身份证插进去，抬头看一眼摄像头，三五秒，门开了。

这几秒里，机器做了四件事。先在画面里找到你的脸；再找出五个点，两只眼睛、鼻尖、两个嘴角，把脸摆正；然后把这张脸变成一串数，ArcFace用的是512个；最后拿这串数，去和身份证芯片里那张照片变出来的一串数比一比。

这串数，可以想成这张脸在一张大地图上的位置。经度和纬度两个数，就能在地图上定出一座城市；这512个数，给每张脸都定了一个位置。同一个人的照片，不管换了发型、戴没戴眼镜，位置都挨得很近；两个不同的人，离得远远的。

刷脸比的，就是两张照片在这张地图上隔多远。近到什么程度算同一个人，要划一条线。门禁这类地方，宁可多拦几次真人，也不能放错人进去，线就划得严一些。

火车站这种，只用回答一个问题：你和身份证上的照片，是不是同一个人。公司门口不用刷卡的闸机更难一些，要拿你的脸去和库里几百几千个人挨个比，找出你是谁。

难就难在：要认的人，它从没见过

教机器认脸，办法是给它看很多人的很多张照片，告诉它每张是谁。ArcFace训练时用了8.5万人、580万张照片。

可它上岗以后要认的，是你。你不在那8.5万人里。

所以机器要学的，不是记住这8.5万张脸，而是一套给脸定位置的本事：同一个人放在一块，不同的人隔开。碰到从没见过的新面孔，也照这套本事来放。

老办法的毛病在于，训练时只要每张照片落进自己那片地方就算对，人和人的地盘紧挨着。训练过的人分得开，换一个没见过的人，就容易落到别人的地盘边上。

ArcFace的办法，像射箭练习时把靶心画小一圈：照片落进自己那片地方还不够，得再往正中间靠一段，才给分。机器为了拿分，只好把同一个人的照片收得更紧，人和人之间就空出了一片地。新面孔来了，不容易和别人混在一起。

▲论文里的小实验：8个人的照片都画在一个圆上，每种颜色是一个人。左边是老办法，8个人首尾相接，挤满了一整圈；右边是ArcFace，每个人缩成一小簇，中间留出了空当（图源：Deng等，ArcFace论文图3）

这个改动，论文说只要几行代码。往正中间多靠的那一段，量的是圆上的一段弧，弧在英文里叫arc，ArcFace的名字就是这么来的。

成绩怎么样？人脸识别最常用的一份考卷叫LFW，是2007年美国麻省大学从网上收集的5749个人、13233张照片，题目都是一个样：给两张照片，问是不是同一个人。2009年，哥伦比亚大学的研究者请网友来答，只给看裁出来的脸，人答对了97.53%。

ArcFace答对了99.83%，一千道题只错一两道。

从南信大到帝国理工

邓健康2008年考进南京信息工程大学，读系统工程。他在简历里写，本科在系里排第一，还考下了系统分析师、系统架构师、信息系统项目管理师三个高级证书。

2012年，他留在南信大读硕士，进了刘青山教授的实验室，从这时候起就在研究人脸：怎么在一张脸上把眼睛、鼻子、嘴巴的位置找准。2014年和2015年，两场这方面的国际比赛，他简历上写的都是第一名。硕士期间他还去百度实习过，做的也是人脸。

2016年10月，他拿着帝国理工的校长博士奖学金去伦敦读博士，导师Stefanos Zafeiriou是做人脸分析的专家。

第二年，他赶上了最后一届ImageNet，李飞飞团队办的认图大赛，比谁的机器认照片里的东西认得准。他参加了两支队伍，两支都拿了冠军：南信大和帝国理工合组的队拿下物体检测；帝国理工和悉尼大学合组的队拿下视频里的物体检测，这支队的队员名单上，他排第一个。

半年后，他和同伴把ArcFace的论文挂上了网。

数据和代码全部公开，还给测试题挑错

ArcFace论文的第一版，花了不少笔墨算一笔账。公司做的人脸识别，比大学里做的强得多，因为训练用的照片差着几个数量级。当时美国官方的人脸识别测试里排第一的，是中国公司依图，用的是18亿张私有照片。大学里的人拿不到这么多照片，想照着别人的论文做一遍，也做不出来。

邓健康他们的做法是：全部开源。

微软公开过一个约1000万张的名人照片库，可不少照片标错了人。他们一个人一个人地筛，最后留下380万张、8.5万人，把洗好的版本公开出来；模型、训练和测试的代码，也全部公开。训练ArcFace，他们用的是4块显卡。

InsightFace后来被下载2100多万次，起点就在这里。

他们还给别人的考卷挑了错。当时最难的人脸识别测试叫MegaFace，要在100万张干扰照片里把人找出来。照规矩，干扰照片里不该有考题里的人，他们却发现，不少恰恰就是考题里的那些明星，比如有4张，其实都是演员Alec Baldwin。机器认出了本人，反倒被判成答错。他们人工挑出了707张这样的照片，去掉以后，识别率高了大约15%。

他们也不敢保证挑得全对，就把名单放到网上，请大家一起再看一遍。论文里紧跟着一句英文，翻回中文就是那句老话：

群众的眼睛是雪亮的。

今天：AI写真，先得过它这一关

今天它最常出现的地方，可能是AI写真。这两年冒出来的"上传几张自拍，生成一组写真"的开源模型，要先认准你是谁，生成的人才像你。

用得很多的IP-Adapter-FaceID，下载超过1200万次，说明书第一步就写着：先用InsightFace提取人脸身份。腾讯团队做的PhotoMaker，论文里也写着用ArcFace提取身份。

还卡在哪：双胞胎、口罩，和帽子上的一张纸

美国国家标准与技术研究院一直在给全世界的人脸识别算法做公开测试，报告里把这些短处写得清清楚楚。

同卵双胞胎，参加测试的一对一算法全都分不开。报告还写，算法这些年越做越准，分双胞胎的本事却一点没长。苹果给Face ID写的说明里也承认：双胞胎、长得像的兄弟姐妹，还有13岁以下的孩子，被误认的概率更高，因为孩子的五官还没长定。

口罩遮住了大约七成的脸。最好的算法，认不出本人的比例从0.3%涨到了5%左右；有些算法戴上口罩以后，两三成到一半的照片都认不出来。

再回到开头那顶帽子。

▲上排是正常戴帽子，ArcFace认出了本人；下排在帽子上贴了一张彩色打印的纸，就认不出了（图源：Komkov等，AdvHat论文图1）

莫斯科那两位研究者请了10个人，戴着贴纸帽子实拍。每一次，ArcFace都没再认出本人。

现在：早就不止人脸

2020年博士毕业前后，邓健康去了华为在伦敦的诺亚方舟实验室，当首席研究员。2023年，他回到帝国理工，后来成了计算机系的助理教授，开了自己的实验室。

▲邓健康（图源：本人个人主页）

他现在做的，早就不只是认脸，而是让机器看懂图片、回答问题。2025年9月，他是LLaVA-OneVision-1.5的四位项目负责人之一，这是一个能看图回答问题的大模型。论文写，它的80亿参数版本，在27项测试里有18项超过了阿里的同级模型Qwen2.5-VL-7B。

训练它，只花了1.6万美元。数据和训练代码，照旧全部公开。