SynthFaces：均衡的大规模合成人脸数据集 SynthFaces: Balanced Large Scale Human Dataset
在身份嵌入球面流形上训练可控流匹配模型，构建属性均衡的15万张合成人脸数据集。
前置知识
流匹配（Flow Matching）
流匹配是训练生成模型的框架：学习速度场 $v_\theta(x,t)$，通过 ODE $\dot{x}_t = v_\theta(x_t,t)$ 把简单先验分布（高斯、球面均匀等）输运到数据分布。条件流匹配（CFM）损失只需回归条件速度（欧氏情形即 $u_t=x_1-x_0$），无需模拟整条概率路径，训练稳定高效，是近年替代扩散训练的主流范式。
本文核心生成模型 ID-Flow 就建立在流匹配之上，理解 CFM 的速度场回归思想才能读懂 Eq.1 的训练目标及其在球面上的推广形式。
球面测地流匹配（Geodesic Flow Matching on Sphere）
ArcFace 身份嵌入都是单位向量，天然位于高维单位球面 $S^{n-1}$ 上。球面测地流匹配把欧氏线性插值换成沿测地线的插值 $\varphi_t(x_0|x_1)=\exp_{x_0}(\kappa(t)\log_{x_0}(x_1))$，其中 $\exp/\log$ 是球面上有闭式解的指数/对数映射，速度场定义在切空间中，训练无需数值模拟 ODE。
这是方法部分的数学基础，附录 A.2 给出全部定义；不懂指数/对数映射就无法理解 ID-Flow 如何在嵌入流形上做插值与采样。
ArcFace 嵌入与 Arc2Face
ArcFace 是基于角度间隔损失的人脸识别 backbone，把人脸映射为判别性强的单位身份嵌入，同一人嵌入角度相近。Arc2Face 是以 ArcFace 嵌入为条件的扩散模型，输入一个身份向量即可生成该身份的多张人脸。本文 Stage 1 用 ID-Flow 采样嵌入、Stage 2 用 Arc2Face 渲染成图，构成『采样身份→生成人脸』的完整链路。
整条流水线围绕 ArcFace 嵌入空间展开，嵌入的几何性质（单位球面、角距离）决定了所有建模选择以及 ID-NonLeak 度量的定义。
FID 与嵌入空间 FID（FID-e）
FID（Fréchet Inception Distance）用 Inception 特征的高斯假设衡量生成分布与真实分布的距离，越小越好。本文额外定义 FID-e：直接在 ArcFace 嵌入空间计算 FID，评估采样身份向量分布与真实身份分布的差距；FID-i 则是常规图像级 FID。两者结合可分别评估身份分布质量与渲染图像质量。
Table 2 的核心指标就是 FID-i/FID-e，只有理解两者分工才能判断 ID-Flow 相对 Arc2Face、HyperFace 等基线到底赢在哪里。
ID-NonLeak（身份不泄漏度量）
ID-NonLeak 度量合成身份与训练集真实身份的平均最近邻余弦距离：对每个合成嵌入找训练集中角度最近的邻居，距离越大说明合成身份越远离真实身份。论文中 ID-Flow 样本与最近训练身份几乎正交（0.741），而直接插值真实嵌入的基线只有 0.43，说明插值发生了泄漏。
这是论文论证合成数据隐私性的唯一证据，也是区别于 Vec2Face 等 PCA 扰动方法的关键卖点，理解它才能评估论文隐私声明的强弱。
KL 散度标签均衡度量
先用 FairFace 分类器给人脸标注年龄/种族/性别，再计算标注分布与均匀分布的 KL 散度 $KL(p_{model}(y)\|U(y))$，跨属性取均值，越小越均衡。FFHQ 为 0.449、SHHQ 为 0.533、CosmicMan-HQ 为 0.576，而 SynthFaces 仅 0.048，说明逐类别采样控制能把人口属性失衡压到接近均匀。
『均衡』是全文第一主张，KL 散度是支撑该主张的量化证据，论文所有均衡性结论（含与 Flux.2 平衡提示的对比）都围绕这一指标。
SER（Skewed Error Ratio）
操作点校准式公平性指标：先把全局 FMR 固定在目标值 $\alpha$（如 0.1%）确定阈值 $\tau_\alpha$，再计算各人口组漏识率与全局漏识率之比 $SER_g(\alpha)=FNMR_g(\alpha)/FNMR_{global}(\alpha)$，取所有组最大值 SERmax。SER=1 为完全平价，大于 1 表示该组承受不成比例的拒识负担。
人脸识别公平性实验（Table 8/9/16）全部用 SER 报告，它规避了标准基准人口失衡导致准确率类指标失真的问题，是读懂 5.2 节的前提。
个性化身份保持生成
指以单张参考人脸为条件生成同一人不同场景图像的技术路线，代表方法有 IP-Adapter-FaceID、PhotoMaker、PuLID、InstantID、InfiniteYou 等，通常在预训练文生图模型中插入身份适配器。本文既用这类模型完成 Stage 3 的身份情境化，也把它们作为下游微调实验的载体来验证数据集的可用性。
数据集的两个核心应用——情境化生成与公平性微调——都发生在这些模型上，不了解其训练方式就无法理解第 5.1 节的实验设计与 shortcut finetuning。
研究动机
以人为中心的视觉任务长期受制于真实数据集的结构性缺陷。论文先用 FairFace 分类器量化主流数据集的人口属性分布（Figure 1）：FFHQ、SHHQ-1.0、EasyPortrait、CosmicMan-HQ 全部严重偏斜，FR 标准基准中 AgeDB-30 有 88% 白人面孔、LFW 中 66% 白人 75% 男性（Table 14）。这种偏斜直接传导到下游模型：作者构建的均衡探针集 FairBench 显示，SD-1.5+FaceID 等个性化生成方法在不同种族与年龄段上的身份保持相似度差异巨大（Figure 15），平均指标掩盖了 subgroup 差距。更严重的是隐私与合规风险：大规模真人数据集可能包含未同意被训练的个体甚至未成年人图像，部分数据集已因此被撤回公开访问。此外现有数据集各有短板（Table 1）：原始爬取集无清洗无描述、HQ 带描述集不按人分组且属性失衡、人脸识别集低分辨率无描述，没有任何现有数据集能同时满足『带描述、属性均衡、按身份分组、高分辨率、隐私安全』五项要求。
本文的目标是本文的目标是在数据构造阶段就实现公平可控，构建大规模合成人脸数据集 SynthFaces，同时满足五项性质：图像配描述（Captions）、年龄/种族/性别标签均衡（Balanced）、同一身份多张图像（ID-grouped）、高分辨率高质量（HQ）、以及身份完全合成且经经验性筛查与真实训练身份分离（Private，用 ID-NonLeak 验证）。具体路径是：训练一个可在 ArcFace 身份嵌入球面流形上按标签条件采样的生成模型 ID-Flow，使采样身份既多样又远离真实身份；再经条件人脸生成模型渲染并多层过滤，最后用个性化生成与情境化模型配上描述，产出约 15 万张高分辨率带描述图像（约每身份 10 张）。作者还要系统回答一个实证问题：均衡的训练数据能否在个性化生成微调、人脸识别公平性、人口属性 VQA 三类下游任务中实际改善 subgroup parity，而非停留在数据层面的均衡声明。
与已有工作不同的是，已有合成人脸数据工作几乎都面向人脸识别：Vec2Face、Arc2Face 系列在真实 ArcFace 嵌入上做 PCA 扰动，推理时仍需真实身份嵌入作参考，且不提供与真实身份的显式分离度量；HyperFace 直接在超球面空间做优化采样，但生成的身份在人口属性上依然失衡（论文 Table 2 显示其 F1 仅 0.26）。模型公平性研究（如 subgroup 重加权、公平性校准）通常在模型训练后干预，很少有人从数据源头控制属性分布。本文的独特切入点是把公平性前移到数据采样阶段：在身份嵌入的球面流形上训练带年龄/种族/性别条件的测地流匹配模型，推理时不需要任何真实嵌入即可按均匀标签采样全新身份；同时提出 ID-NonLeak 把『隐私/不泄漏』从口号变成可复现的数字，并用对照实验证明均衡提示词驱动的文生图模型（Flux.2）无法替代流形采样这一路线。
核心方法
整体是三阶段流水线（Figure 2）。直觉上：先把『造人』搬到身份嵌入空间——在那里采样比像素空间更易控制属性、成本也低；再把嵌入『渲染』成人脸并筛掉坏样本；最后用最强的个性化生成模型给人配上场景和文字描述。技术上，Stage 1 在约 5 万个去重后的 ArcFace 身份嵌入（来自 CosmicMan-HQ、FFHQ、EasyPortrait 及网络补充图片，统一 640 像素检测框、余弦相似度 0.4 阈值去重、FairFace 标注）上训练 ID-Flow：一个约 1100 万参数的 MLP 流匹配模型，速度场定义在球面切空间，条件输入为年龄/种族/性别标签，采样时用 classifier-free guidance（尺度 2.0）。Stage 2 用 Arc2Face 把 2.8 万个采样嵌入渲染成人脸，经图像统计过滤（熵/饱和度尾部，约去 3 千张）、Qwen-VL 多数投票过滤（标签对齐+伪影检测）和按标签分组的相似度阈值过滤，剩约 1.5 万个身份。Stage 3 用 InfiniteYou（附真实感/去模糊 LoRA）与 Flux 2 Turbo checkpoint 结合匹配好的描述文本做情境化，产出约 15 万张高分辨率带描述图像，每身份约 10 张。
核心创新是把身份生成建模为球面流形上的条件测地流匹配，而非欧氏空间的向量扰动。身份嵌入全是单位向量，欧氏插值或 PCA 扰动（Vec2Face 的做法）忽略了几何结构：插值基线虽然 FID-i 最低（30.59），但 ID-NonLeak 只有 0.43，说明样本停留在训练身份的角度邻域内存在泄漏；而 ID-Flow 沿测地线把球面均匀先验输运到身份分布，样本与最近训练身份几乎正交（0.741）。第二个关键设计是显式标签条件化：速度场 $v_\theta(e_t,c)$ 接受年龄/种族/性别标签 $c$，推理时以 CFG 尺度 2.0 并从训练统计均匀采样标签，使数据集属性分布成为可控变量（KL 仅 0.048，接近完美均匀），这是 HyperFace 等无条件球面采样做不到的。作者还证明该路线不可被平衡提示词的文生图替代：Flux.2 均衡提示的标签 KL 为 0.101（差 2.7 倍）、身份多样性 0.201（差 3.7 倍），说明提示级人口控制无法提供构建数据集所需的均衡且多样的身份分布。
方法步骤详情
步骤1（训练数据构建）：从 CosmicMan-HQ、FFHQ、EasyPortrait 及网络图片提取 ArcFace 嵌入，统一 640 像素检测框，以 0.4 余弦相似度阈值去重，用 FairFace 标注并剔除失败样本，得约 5 万带标签身份嵌入。步骤2（训练 ID-Flow）：在球面定义测地条件流 $\varphi_t(x_0|x_1)=\exp_{x_0}(\kappa(t)\log_{x_0}(x_1))$，以 $\mathcal{L}_{GCFM}=\mathbb{E}\|v_\theta(e_t,c)-\frac{de_t}{dt}\|^2$ 为目标，训练 2 编码/解码块、hidden 512、GeLU、无注意力（加了就塌缩到少数身份）的 MLP（约 11M 参数），Adam 恒定学习率 3e-4 训练 1000 epoch，单卡 V100 约 3.5 小时，训练中加批内 slerp 插值增强。步骤3（采样身份）：均匀标签条件、CFG 尺度 2.0 采样 2.8 万嵌入。步骤4（渲染与过滤）：Arc2Face 出图后依次做熵/饱和度尾部统计过滤（约去 3 千张）、Qwen3-VL-30B 多数投票的标签对齐与伪影过滤（关键词命中才删）、按标签分组的相似度阈值过滤，剩约 1.5 万身份。步骤5（描述匹配）：从 Cosmic-HQ、FFHQ-in-the-Wild、HumanCaption 收集并清洗描述（剔除种族词与人脸细节），按年龄/性别分桶后 $O(n+m)$ 匹配。步骤6（情境化）：InfiniteYou 保一致性、Flux 2 Turbo 保保真度，生成 15 万张 HQ 图像。
技术新颖性
与现有工作的本质区别有三。其一，生成空间的几何正确性：论文首次把非欧流匹配（沿用 geodesic conditional flows 的 simulation-free 训练，附录 A.2 给出球面指数/对数映射闭式解）应用于 ArcFace 身份嵌入流形；相比 Vec2Face 的 PCA 扰动，ID-Flow 不以真实嵌入为推理输入，先验是球面均匀分布，从机制上规避向真实身份的收敛。其二，公平性干预位置的转变：HyperFace 虽在超球面采样但标签失衡（F1 仅 0.26），本文把年龄/种族/性别作为流模型条件输入并用 CFG 控制采样分布，在数据构造阶段而非模型训练后实现公平，属于 data-centric fairness 路线。其三，隐私声明的可检验化：提出 ID-NonLeak 并用它区分『插值泄漏』（0.43）与『流形采样分离』（0.741），把合成数据安全性变成可复现的量化指标，论文同时在伦理声明中坦诚不主张形式化隐私保证。此外 Table 5 的对照为方法论提供了量化证据：提示级控制在均衡性（0.101 vs 0.037）与多样性（0.201 vs 0.751）上均大幅落后于流形采样。
实验结果
生成质量与多样性（Table 2/3）：ID-Flow 的嵌入空间 FID-e 0.073 为学习型采样器最优，Recall 0.75、F1 0.48 领先所有基线，图像 FID-i 39.9 与 Arc2Face 的 37.3 相当；标签 KL 仅 0.048，比 FFHQ（0.449）、CosmicMan-HQ（0.576）、HyperFace（0.49）低约一个数量级。过滤前后（Table 4）：FID-e 0.163→0.127、FID-i 65.59→57.66，但 F1 0.496→0.444、KL-age 0.000108→0.121146。与 Flux.2 平衡提示对比（Table 5）：标签 KL 0.037 vs 0.101（2.7 倍差距），身份多样性 0.751 vs 0.201（3.7 倍）。数据集质量（Table 6）：ImageReward 1.38、CLIP 33.04，优于 Cosmic-HQ（-0.69/31.20）。下游微调（Table 7）：SD-1.5+FaceID 在 FairBench 上 ID 从 68.63 升至 71.31，各年龄/种族组提升更均匀（Figure 8），Context 集持平。人脸识别公平性（Table 8/9）：SynthFaces-500K 在五个标准基准中四个取得最低 SERmax，均值 1.097 比 Vec2Face 的 1.531 降低约 40%；BFW 上准确率差异 0.043（Vec2Face 0.087），SERmax@0.1% 达 1.011 近乎完全平价；代价是全局准确率均值仅 0.764，低于 Vec2Face 的 0.935（作者归因训练阶段较早，Table 15）。人口属性 VQA（Table 10）：SynthFaces-nonHQ 平均准确率 0.797、差异 $\Delta$ 0.138，比同域 Vec2Face（0.559/0.263）高 23.8 个百分点、差异低 0.125，种族准确率 +23.3pp；HQ 域为 0.700/0.151。
查看结构化数据
| 任务 | 指标 | 本文 | 基线 | 提升 |
|---|---|---|---|---|
| 身份嵌入生成质量 | FID-e / Recall / F1 / ID-NonLeak | ID-Flow: 0.073 / 0.75 / 0.48 / 0.741 | Arc2Face: 0.118 / 0.185 / 0.29 / –；插值基线 ID-NL 仅 0.43；HyperFace: 0.13 / 0.17 / 0.26 | 学习型采样器中 FID-e、Recall、F1、ID-NL 全部最优，身份几乎与训练集正交 |
| 标签均衡性 | KL(p||U) 跨属性均值 | 0.048 | FFHQ 0.449、SHHQ 0.533、EasyPortrait 0.508、CosmicMan-HQ 0.576、HyperFace-10k 0.49、PCA 0.75 | 比全部真实与合成基线低约一个数量级，接近完美均匀 |
| 与文生图平衡提示对比（N=1000） | Label KL / ID-diversity | 0.037 / 0.751 | Flux.2 balanced prompts: 0.101 / 0.201 | 均衡性差距 2.7 倍、身份多样性差距 3.7 倍，证明提示级控制不可替代流形采样 |
| 个性化生成微调（FairBench） | ID / CLIP-T | 71.31 / 33.27（SD-1.5+FaceID 微调后） | SD-1.5+FaceID 原始: 68.63 / 32.91 | ID +2.68、CLIP-T +0.36，且各年龄/种族组提升更均匀 |
| 人脸识别公平性（5 标准基准） | SERmax@FPR=0.1% 均值 | 1.097（4/5 基准最优） | Vec2Face-HSFace300K: 1.531；HyperFace-10K-LDM: 1.280 | 较 Vec2Face 降低约 40% 的差异化漏识负担 |
| BFW 平衡基准 | Acc 差异 / SERmax@0.1% | 0.043 / 1.011 | Vec2Face: 0.087 / 1.057；HyperFace: 0.068 / 1.101 | 两项公平性指标全部最低，在 0.1% FPR 操作点接近完全平价 |
| 人口属性 VQA（域内对齐） | Avg acc / 跨属性差异 Δ | 0.797 / 0.138（non-HQ 域） | Vec2Face: 0.559 / 0.263；域基线 0.645 / 0.176 | 准确率 +23.8pp、差异降 0.125，其中种族准确率 +23.3pp |
| HQ 数据集质量 | ImageReward / CLIP / FaceSize | 1.38 / 33.04 / 0.29 | Cosmic-HQ: -0.69 / 31.20；FluxSynID: 1.54 / 34.07 / 0.61 | IR 与 CLIP 均优于 Cosmic-HQ，脸部占比适中、保留场景上下文 |
局限与改进
作者承认的局限：一是偏置继承——Arc2Face 与 Flux 自带训练语料的美学与人口偏置，管线只保证标签级均衡，组内视觉多样性受上游模型上限约束，Arc2Face 训练数据中欠表示的属性组合产出保真度更低；二是合成-真实分布差，扩散伪影经 VLM 过滤后仍有残留，可能限制向真实场景迁移；三是对上游模型的移动依赖，Arc2Face/Flux 升级会直接改变数据集性质。我的补充观察：其一，过滤阶段存在质量-均衡的内在张力，Table 4 显示 F1/精确率下降且 KL-age 从 0.000108 恶化到 0.121146，说明尾部过滤并非按属性均匀发生（作者也承认尾部问题集中在训练数据中罕见的标签组合）；其二，FR 实验（Table 15）中 SynthFaces-500K 全局准确率均值 0.764 显著低于 Vec2Face 的 0.935，公平性优势是否在充分训练后保持未被证明；其三，隐私声明只是经验性的，ID-NonLeak 是最近邻余弦距离，不能排除分布层面的记忆效应，论文自己也不主张形式化隐私保证；其四，所有标签来自 FairFace 单一分类器，其自身偏差会系统性进入数据并被 VLM 过滤环节强化。
独立分析的弱点
第一，标签来源单一：所有年龄/种族/性别标签均由 FairFace 分类器产生，VLM 过滤又以这些标签为真值做多数投票，分类器偏差被放大并固化进数据集；改进方向是引入多标注器集成、人工抽检校准，或在采样时建模标签不确定性。第二，公平性与精度的耦合未解：SynthFaces-500K 公平性最好但全局准确率最低（0.764 vs Vec2Face 0.935），作者归因『训练阶段较早』却缺乏同算力消融支撑，存在『欠训练占优』的混淆；应在完全相同的训练协议与收敛判据下复跑三方模型再下结论。第三，过滤破坏均衡：为清除稀有属性组合的高相似尾部所做的相似度过滤直接恶化 KL-age（0.000108→0.121146），且 F1 从 0.496 降到 0.444；可改为按属性分层的相似度预算或重新加权的过滤准则，在保多样性的同时维持均匀。第四，评测偏域内：VQA 评测用自家 37,316 题内部基准且每个模型只在自己训练域上评（domain-matched），缺少跨域与真实图像检验，公平性结论的外推性存疑；应补充公开真实人脸基准的零样本评估。第五，规模天花板：训练仅用 5 万嵌入、最终 1.5 万身份/15 万图像，距工业级需求有差距，且 FR 版本只到 500k 图像 1 万身份；可通过扩大嵌入语料、在线过滤与增量采样扩展规模。
未来方向
作者明确提出的方向：减少对可能带偏的人脸编码器与基础生成模型的依赖（例如训练编码器无关或去偏的身份表示）；研究真实-合成混合的均衡策略，让合成数据专补真实数据的少数群体尾部。基于本文成果可延伸的方向包括：其一，把 ID-Flow 从三标签扩展到表情、姿态、光照、配饰等可控维度，覆盖更多人像任务（分割、检测、多人交互）；其二，对身份嵌入引入形式化隐私保证（如差分隐私意义上的嵌入扰动界），把 ID-NonLeak 升级为带统计检验与分布级审计的流程；其三，在完全收敛的 FR 训练协议下重新刻画『均衡数据-全局精度』的权衡曲线，回答公平性优势能否与 SOTA 精度共存；其四，把 FairBench 开放为标准化的人口公平探针基准，推动个性化生成模型按分组建模报告结果；其五，探索合成数据预训练、真实数据微调的课程式训练方案，并系统量化不同合成/真实配比下的公平-精度前沿（Pareto front）。论文还暗示可随 Arc2Face/Flux 上游升级而滚动重建数据集，形成可持续维护的合成数据基础设施。
复现评估
复现难度中等。有利因素：ID-Flow 本身极其轻量——约 11M 参数 MLP，单卡 V100 训练约 3.5 小时即可完成；球面测地流的全部闭式公式在附录 A.2 给出；架构图（Figure 9）、消融超参（Table 12：block_num=2、hidden_dim=512、c_embed 128、GeLU、Adam lr 3e-4、1000 epoch）、guidance 尺度的 Pareto 分析（Figure 10，1.0-8.0 范围）以及 VLM 过滤的完整提示词与示例（Figure 13，Qwen3-VL-30B）均公开，描述匹配的算法伪代码（Algorithm 1/2）也已给出。不利因素：完整管线依赖多个第三方模型——Arc2Face、InfiniteYou、Flux 2 Turbo、Qwen-VL 系列，部分权重有许可限制且版本演进快（论文自认是 moving dependency）；数据集许可证『正在制定中』，正文未给出明确的代码仓库链接；FR 公平性实验需训练 IResNet-100 级识别模型（约 50 万图像、1 万身份），算力需求远超 ID-Flow 本身；描述匹配依赖 Cosmic-HQ 等第三方数据可用性。总体而言，复现 Stage 1 的 ID-Flow 成本很低且结果可信（核心表格数据齐备），复现完整 15 万张 HQ 数据集则需要可观的工程整合与算力投入。
论文图表
用 FairFace 分类器对 CosmicMan-HQ、FFHQ、SHHQ-1.0、EasyPortrait、HyperFace-SG 标注后的年龄/种族/性别分布柱状图，虚线为各标签均值，颜色高亮高于均值的类别；所有数据集都集中在 20-29 岁、白人、特定性别等少数类别上。
这是全文问题陈述的核心证据：直观展示『标签偏斜』不是个别数据集的偶然现象，而是所有主流人像数据集的系统性缺陷，直接引出在采样阶段控制属性分布的动机。
Qwen3-VL-30B 的过滤提示与输出示例：两个二选一问题（人物描述是否匹配、是否存在伪影/重度风格化）加对伪影的自由文本推理，高亮关键词用于判定删除。
公开了 VLM 过滤的完整 prompt 工程，是复现 Stage 2 过滤环节的关键材料，也说明了防幻觉的关键词触发机制。
sd15+faceid 与 sdxl+faceid 在不同种族与年龄组上的身份保持相似度：各标签间偏差显著（纵轴约 55-80 的波动范围），远未均衡。
论文用它证明『平均指标掩盖 subgroup 差距』这一核心问题，是引出均衡数据干预必要性的关键实验图。
LLaVA-1.5-7B LoRA 微调后域内对齐评测：HQ 域 SynthFaces-HQ 0.700/Δ0.151 对基线 0.551/0.183；non-HQ 域 SynthFaces-nonHQ 0.797/0.138 对 Vec2Face 0.559/0.263，种族准确率 +23.3pp。
第三个下游任务的证据：同域同分辨率对照隔离了数据构成因素，证明均衡身份分布带来的准确率与公平性双提升。
附录中的大规模数据集对照表，覆盖 CosmicMan、Human-Art、LAION-Human、SHHQ、EasyPortrait、VGGFace2、MultiID-2M、FFHQ、DCFace、VariFace、HyperSphere、FluxSynID、SynthFaces 等，比较规模、分辨率、许可、来源（真实/合成）、是否 ID 分组、是否有描述与目标任务。
论文版图定位的完整版：读者可据此判断 SynthFaces 在特定任务与许可约束下相对于每个现有数据集的取舍。
标准 FR 基准按 FairFace 标注的人种构成：AgeDB-30 白人 88.0%、LFW 65.9% 且男性约 75%，各基准均严重偏斜。
为采用 SER 而非准确率类公平指标提供依据：测试集本身失衡会使 accuracy-disparity 指标混淆『表示不足』与『模型偏见』。