ICMLSep, 2023

特征聚合的互信息折衷方法在人脸识别中的应用

PDF
TL;DR本文提出一种利用两种最新的深度人脸识别模型 ArcFace 和 AdaFace 的输出进行聚合的技术，通过利用 Transformer 注意机制来改善人脸识别系统的总体区分能力，并通过引入信息瓶颈原理来确保聚合特征保留最相关和区分能力最强的信息。在流行的基准测试中，我们的方法在人脸识别性能上展现出了一致的改进，证明了其有效性。
face recognitionaggregationtransformer attention mechanismfeature mapsinformation bottleneck
发现论文，激发创造
  • CATFace: 基于跨属性引导变压器和自注意力蒸馏的低质量人脸识别

    通过应用软生物特征属性和自我注意力蒸馏方法，我们提出了一种新颖的多分支神经网络，用于提高低质量图像下面部识别的性能，实验证明我们的方法优于最先进的研究成果。

    Jan, 2024

  • 利用多细粒度环境特征聚合提高基于标题监督的人脸识别

    引入了一种基于描述指导的人脸识别（CGFR）框架来提高商品化人脸识别系统（COTS FR）性能，通过引入面部描述信息作为辅助信息来改善性能，通过使用上下文特征聚合模块（CFAM）和文本特征细化模块（TFRM）来有效地处理文本和面部特征间的异构性，显著提高了 ArcFace 在多模态 CelebA-HQ 数据集上的验证和识别性能。

    Aug, 2023

  • 基于 Hybrid Transformer 的特征融合用于自监督单目深度估计

    本文介绍了一种新的深度估计模型，使用 Vision Transformers 来提取图像中的全局上下文信息，实现对深度估算的改进，最终该模型在标准测试数据集上达到了最优性能。

    Nov, 2022

  • 视频人脸识别特征聚合网络

    本文提出了一种基于元注意力聚合的方法来学习视频紧凑表示以实现视频人脸识别任务，并对其进行了实验验证和性能比较。

    May, 2019

  • 用 Transformer 统一特征和成本聚合的语义和视觉对应

    本论文介绍了一种基于 Transformer 的综合特征和成本聚合网络，用于密集匹配任务。我们展示了特征聚合和成本聚合的不同特点，并介绍了一种简单而有效的架构，利用自注意力机制和互注意力机制来统一特征聚合和成本聚合，从而在语义匹配和几何匹配任务中实现了显著的改进。

    Mar, 2024

  • 具有卷积视觉变换器的强韧面部反欺诈框架

    基于卷积视觉变换器的框架通过全局信息和面部图像中的局部线索来改善人脸识别性能和抵抗领域转变的作用，在面部反欺诈和领域泛化等领域取得了显著的提升。

    Jul, 2023

  • AAFACE: 面部识别的属性感知注意力网络

    我们提出了一种新的多分支神经网络，同时作为辅助模态进行软生物测量预测并作为主任务进行人脸识别。我们的网络 AAFace 利用软生物测量属性来增强人脸识别表征的区分能力，并通过属性感知注意整合模块（AAI）对人脸识别与软生物测量特征图进行加权整合。实验结果验证了我们提出的网络在软生物测量预测和人脸识别方法方面的卓越性。

    Aug, 2023

  • 大规模探测的人脸识别：聚类和聚合

    本文提出了一种两阶段的特征融合范式，Cluster 和 Aggregate，用于无约束人脸识别，它能够适应大规模输入，维护顺序不变性，并通过聚类特征进行序列推理。实验结果表明，所提出的范式在无约束人脸识别中具有优越性。

    Oct, 2022

  • 深层特征集的强鲁棒性注意聚合在多视角三维重建中

    本文提出一种新的前馈神经模板 ——AttSets，以及一个专门的 FASet 训练算法，用于多视图的 3D 重建。AttSets 模块是置换不变的，计算效率高且易于实现，而 FASet 算法使基于 AttSets 的网络非常稳健，并且在多个公共数据集上确切地证明了 AttSets 与 FASet 算法的优越性。

    Aug, 2018

  • TransFER: 使用 Transformer 学习关系感知的面部表情表示

    提出 TransFER 模型，在面部表情识别中使用多头自注意力且随机选择模块，有效地学习富含关系感知的局部表征，实验结果显示其性能优于现有方法。

    Aug, 2021