利用 Wasserstein 距离的年龄不变面部嵌入

May, 2023

利用 Wasserstein 距离的年龄不变面部嵌入

Age-Invariant Face Embedding using the Wasserstein Distance

Eran Dahan, Yosi Keller

TL;DR通过使用多任务学习和 Wasserstein 距离鉴别器来解决面部识别中存在的年龄变化问题，这种方法通过最小化 Jensen-Shannon 差异来最小化年龄和身份嵌入之间的互信息，并在多个年龄变化数据集上验证了方法的优越性。

Abstract

In this work, we study face verification in datasets where images of the same individuals exhibit significant age differences. This poses a major challenge for current face recognition and verification techniques. To address this issue, we propose a novel approach that utilizes

face verification multitask learning wasserstein distance discriminator age-variant datasets performance

发现论文，激发创造

学习 Wasserstein 嵌入

本文介绍一种利用同配网络和解码器实现对 Wasserstein 距离进行逼近的方法，该方法可用于快速处理优化问题，如重心、主要方向或原型，在图像数据集上已经进行了实验。

Oct, 2017

当年龄不变人脸识别遇到人脸年龄合成：多任务学习框架

本文提出了一种统一的、多任务的人脸识别框架 MTLFace，能够在处理年龄变化对人脸识别的干扰时实现年龄不变的身份相关特征提取，同时避免了传统面部年龄合成处理中的伪影和瑕疵，取得了较好的实验结果和性能表现。

Mar, 2021

通过对比学习进行面部图像的年龄预测

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

基于小波生成对抗网络的人脸属性感知老化

使用基于小波的生成对抗网络与面部属性向量来提高合成面部图像的质量，能够更准确地呈现面部随着时间推移带来的变化，并在现有数据集上取得了最先进的表现。

Sep, 2018

通过自我估计的残差年龄嵌入进行连续人脸年龄化

通过将线性年龄估计器嵌入到基于生成对抗网络的模型中，结合自编码器和解码器一起训练，从而实现面部图像的年龄估计和带有个性化目标年龄嵌入的面部年龄进程 / 回归，通过个性化的残差年龄嵌入和例子面部老化基础，综合估计年龄和生成个性化的老化面部。该方法改进了现有方法中连续面部老化方面的表现，取得了显著的定性和定量成果。

Apr, 2021

人脸验证的三元组相似度嵌入

提出了一种结合深度卷积神经网络和三元组相似性约束的低维判别嵌入的无约束人脸验证算法，在 IJB-A 数据集上显示出超越现有方法的性能提升和内存优化的优点。

Feb, 2016

人脸验证和聚类的三元概率嵌入

使用基于深度学习和三元组概率约束的低维高效嵌入的方法能够解决无约束人脸验证的问题，同时具有较好的性能和广泛的鲁棒性。

Apr, 2016

Wasserstein CNN: 学习不变特征以用于近红外 - 可见光人脸识别

本文提出了一种新颖的方法：Wasserstein CNN，用于学习近红外和可见光面部图像之间对于解决异构人脸识别具有挑战性的问题具有不变性的特征。

Aug, 2017

联合身份验证的深度学习人脸表示

通过深度学习训练的 DeepID2 特征结合人脸识别和验证信号能够有效地减少人脸识别中的人际差异和人内差异并实现高辨识率。

Jun, 2014

使用 Wasserstein 距离的高斯词嵌入

该研究提出了一种使用 Wasserstein 距离作为损失函数的高效高斯词嵌入模型，并利用 ConceptNet 进行半监督学习，以获得更丰富的语义信息和更好的性能。

Aug, 2018