顔認識に関する研究は、過去数十年間に著しい進展を遂げています。当初は制約された環境での認識が可能なアルゴリズムから始まり、現在の顔認識システムでは大規模な非制約顔データセットにおいて非常に高い精度を達成しています。新規のアルゴリズムが引き続き性能向上を果たしている一方で、多くの顔認識システムは変装の変動に対して脆弱であり、これは顔認識における最も挑戦的な共変量の一つです。既存の大多数の変装データセットには、限られた変動を持つ画像が含まれており、しばしば制御された設定で撮影されています。これでは実世界のシナリオを模倣せず、顔認識システムが遭遇する意図的および意図しない非制約変装を反映していません。本論文では、1000人のアイデンティティに11000枚以上の異なる種類の変装アクセサリーを使用した画像を含む新しい「野生環境での変装顔（Disguised Faces in the Wild: DFW）」データセットを提案します。このデータセットはインターネットから収集され、実世界に近い非制約顔画像が得られています。各被験者に対して偽者の変装顔画像と本物の変装顔画像が利用可能である初めてのデータセットです。提案されたデータセットは、問題の挑戦性を示すために3つの難易度レベル（i）容易（ii）中等（iii）困難に分析されています。我々は研究コミュニティがDFWデータセットから大きく恩恵を受けられると考えています。特に、このような敵対的状況に対する堅牢性を持つアルゴリズムを開発するために有用であると期待されます。提案されたデータセットは2018年のCVPRで開催された第1回国際ワークショップおよびコンペティション「野生環境での変装顔」の一環として公開されました。本論文ではDFWデータセットについて詳細に説明し、評価プロトコル、基準結果、コンペティションで提出されたエントリーの性能分析、およびDFWチャレンジデータセットの3つの難易度レベルについて述べます。