TEMPEST to model sieci neuronowej trenowany z loss function ArcFace, który identyfikuje kierowców na podstawie 60-sekundowych wielomodal-nych nagrań jazdy. Zamiast tradycyjnych podejść, model mapuje dane do 96-wymiarowych wektorów osadzonych w znormalizowanej przestrzeni kątowej, co pozwala mu utrzymać zdolność rozróżniania kierowców nawet gdy baza rośnie. Na testowym zbiorze 45 kierowców osiąga 91,71% dokładności w rankingu pierwszej pozycji - to o 17,9 procent więcej od najlepszych klasycznych metod i 58,4 procent więcej od najsilniejszych rozwiązań triplet-loss.
Klucz do sukcesu TEMPEST tkwi w tym, że prawie nie pogarsza się przy wzroście populacji. GdyPool kierowców powiększa się z 10 do 45 osób, model traci zaledwie 4,3 procent dokładności. Porównajmy to do konkurencji - triplet-loss z nadzorem traci 22 procent, bez nadzoru aż 32,5 procent. Oznacza to, że model rzeczywiście scala cechy wspólne dla każdego kierowcy, a nie po prostu memoryzuje sesje treningowe.
Rozwiązanie jest dodatkowo praktyczne w skali rzeczywistej - waży zaledwie 2,80 MB i zawiera 720 tys. parametrów, co pozwala wdrażać go nawet na urządzeniach o ograniczonej mocy. Model nie wymaga przetrenowania ani przeliczania klasyfikatorów, gdy dodamy nowego kierowcę - to tzw. dynamic enrollment. Wyniki zostały zweryfikowane na publicznym zbiorze danych KIA Soul, gdzie model wypadł lepiej zarówno w testach wewnątrz jednej sesji (o 7,3 procent), jak i pomiędzy sesjami (14,3 procent).