该研究针对人脸识别中的关键问题：人脸检测、人脸对齐和人脸识别，通过在同一骨干架构下进行面部识别方法的比较基准测试，提出了最新的人脸识别状态，针对红外图像、无遮挡、带口罩、戴眼镜等情况对不同的识别算法进行了评估。

Nov, 2022

该论文提出了一种基于多图像区域（头部、身体等）的简单的人员识别框架，以应对社交媒体照片中的人员识别问题，并针对训练和测试样本之间的时间和外观差距提出了新的识别方法，该方法在 PIPA 基准上取得了最先进的结果，对不同的特征进行了深入的分析。

Oct, 2017

本文介绍了一种基于卷积神经网络的回归框架，可用于训练社交属性分配的预测模型，该模型可以对人群的行为进行量化，应用于描述人脸的视觉属性和情感计算领域。

Oct, 2016

本文提出了一种技术，可以估计对象之间的相似度，如电影或食品，其适当的表达取决于人类的感知，这种相似度函数可以捕获一些难以自动提取的人类相似度的概念，当与用户模型相结合时，我们发现每个评估者的口味变化会影响他们对相似度的感知。

Feb, 2018

人工视觉系统在识别物体上，受到诸如光照、物体姿态和背景等外在因素的影响，而当前的计算机视觉系统往往无法处理这些变化。我们提出将物体内在属性作为图像相似性度量的基础，将目标重新识别问题扩展到一般的物体类别，并探索了基于物体内在属性的图像相似性度量算法。同时，我们采集了 CUTE 数据集，其中包含 180 个物体的 18000 张图像，分别在光照、姿态和成像条件等不同外在因素下。通过将对比度自监督学习学到的深度特征与前景过滤相结合，我们提出了一种简单而有效的方法来近似计算相似性。通过对预训练特征和前景提取方法进行广泛的调研，得出了目前方法中最佳的度量内在物体为中心的图像相似性的强基线。最后，我们证明我们的方法可以在类人主体模拟和提高可泛化性的下游应用中发挥作用。

Nov, 2023

使用野外拍摄的面部照片进行亲属关系验证是计算机视觉科学中的研究难点之一，本研究介绍了一个基于面部图像的亲属相关性检查系统，通过面部预处理、特征提取和降维等方法，有效地提高了亲属关系验证的效率。

Dec, 2023

本篇论文提出了一种高效的 Rank-Order 聚类算法，可将超过 1.23 亿张人脸图像聚类成 1000 多万个类别，并在相应的内部和外部质量度量下分析其结果，以及对视频帧进行了初步的聚类研究。

Apr, 2016

本文提出了一个脸部搜索系统，它使用快速搜索程序和 COTS 匹配器相结合的级联框架，通过卷积神经网络生成的深度特征来过滤大量的照片，并在 80 百万张网络下载的人脸图像的图库上对该系统进行了评估。

Jul, 2015

提出了一种新的方法，可以通过对不同人的面部图像进行对比学习，准确地估计年龄，并通过结合余弦相似度和三元组边距损失来突出与年龄相关的特征并抑制与身份相关的特征。通过在 FG-NET 和 MORPH-II 两个公共数据集上取得最先进的性能，验证了我们提出的方法的有效性。

Aug, 2023

研究表明，我们可以利用计算机识别人脸信息并预测性别、年龄和外貌美丽程度，同时通过视觉协作过滤技术和新的回归技术推断人们之间的偏好，并基于此预测一张图片的相对吸引力。在一项大型的约会网站数据集和明星图片上，我们的实验获得了令人信服的结果，并得出了一些有意义的社会学结论。

Oct, 2015