La irrupció de les mascaretes facials, primer per la pandèmia i després com a requisit en entorns d'alta seguretat, ha posat en evidència les limitacions dels sistemes tradicionals de reconeixement facial. Els models basats en llindars fixos de similitud o en arquitectures purament convolucionals tendeixen a fallar quan gran part del rostre queda ocluït, generant una bretxa considerable entre els resultats de laboratori i el desplegament real. En aquest context, les tècniques d'atenció guiada per punts de referència periocular i els transformadors híbrids estan marcant un nou paradigma. Una proposta recent, el PLGSA-Transformer, aborda el problema combinant mapes de calor generats a partir de landmarks de MediaPipe sobre la regió dels ulls, celles i front, fusionant-los amb característiques extretes mitjançant EfficientNetB3 a través d'una porta residual aprenible. Aquest mecanisme dirigeix l'atenció del model cap a les zones visibles més discriminatives. A més, incorpora una branca híbrida CNN-Transformer que converteix mapes de característiques en tokens processats per una capa d'autoatenció multi-cap, cosa que permet modelar dependències entre regions distants. Finalment, un llindar de similitud adaptatiu a l'oclusió ajusta dinàmicament el criteri de coincidència en funció de la severitat de la mascareta estimada, aconseguint una precisió del 97,22% en verificació de parells amb un AUC d'1,0.
Per a les empreses que necessiten integrar capacitats biomètriques robustes en els seus entorns, el desenvolupament d'aplicacions a mida que incorporin intel·ligència artificial adaptativa és fonamental. A Q2BSTUDIO treballem en la creació de programari a mida que combina visió per computador, models d'atenció i arquitectures híbrides per resoldre problemes reals de control d'accés, autenticació i seguretat. A més, donem suport als nostres clients en el desplegament d'aquestes solucions sobre ia per a empreses, aprofitant l'escalabilitat de serveis cloud AWS i Azure, i garantint la ciberseguretat de les dades biomètriques tractades. La integració d'agents IA per a monitorització contínua i l'aplicació de serveis intel·ligència de negoci com Power BI per visualitzar mètriques de rendiment completen un ecosistema tecnològic robust.
L'enfocament del PLGSA-Transformer demostra que codificar la geometria periocular en l'atenció, juntament amb el modelatge de dependències a llarga distància mitjançant transformadors i llindars adaptatius, ofereix una solució escalable i precisa per al reconeixement facial amb mascaretes. Aquests avenços no només tanquen la bretxa entre laboratori i producció, sinó que obren la porta a sistemes d'identificació més inclusius i resilients. Empreses que busquin implementar tecnologies similars poden beneficiar-se d'una estratègia integral que combini desenvolupament de programari a mida, intel·ligència artificial i cloud computing, àrees en les quals Q2BSTUDIO aporta experiència contrastada.
