Dec, 2023

重新思考近红外人脸识别中的领域差距

PDF
TL;DR利用大规模可见光数据对大型神经网络进行预训练，然后采用正则化的微调策略，通过将异构人脸识别问题视为低数据微调问题，达到或超过四个公开基准的最新成果。
heterogeneous face recognitionvisible and near-infrared domainsneural networkszero-shot performancelow-data fine-tuning
发现论文，激发创造
  • 使用领域不变单元的异构人脸识别

    基于预训练的人脸识别模型作为教师网络，学习领域不变的网络层，称为领域不变单元（DIU），用于减小不同模态之间的领域差距，并通过对比蒸馏框架有效地进行训练，以提高适应各种数据变化的预训练模型的性能。在多个具有挑战性的基准测试中，我们广泛评估了该方法，展示出优于最先进方法的性能。

    Apr, 2024

  • 从模态到风格：重新思考异构人脸识别中的领域差距

    我们的研究工作着眼于异构人脸识别，提出了一种新的条件自适应实例调制模块 (CAIM)，可以有效地适应不同的源模态，并弥合领域差距，实现全面训练。通过在多个挑战性的基准测试中进行广泛评估，证明我们的方法优于现有的方法。

    Apr, 2024

  • 异构人脸识别综述：素描、红外、3D 和低分辨率

    该综述文章深入探讨了异构人脸识别技术的已有技术及最新进展，并提供了常用的数据集和评估方法，最终对该领域进行了评估，并探讨了未来的研究方向。

    Sep, 2014

  • DVG-Face：双重变分生成用于异质人脸识别

    该研究提出了一种双重生成模型，通过引入正面样本和负面样本，从而生成大量多样的异构人脸图像以训练异构人脸识别（HFR）网络，使其具有域不变且具有区分度的嵌入特征，并在多项挑战性数据库的 5 个 HFR 任务上实现了优越的表现。

    Sep, 2020

  • 通过条件自适应实例调节缩小异构人脸识别差距

    本文旨在解决异构人脸识别中的领域差异以及在目标领域中大规模数据集的限制问题，在这篇论文中，我们提出了一种新的框架，将不同光谱的人脸识别模态视为不同的风格，通过条件自适应实例调制（CAIM）模块适应中间特征图的风格，成功地在异构人脸识别上实现了端到端训练，并在多个数据集上展示了优越的性能，其中训练所需的成对样本数量最少。

    Jul, 2023

  • 低样本异构人脸识别的双变分生成方法

    本文提出一种新的双变分生成框架 (DVG)，通过生成大规模的具有相同身份的异构图像，从噪声中减少异构人脸识别 (HFR) 中领域差距，实现了身份一致性和配对特征距离的约束，有效缩小了领域差距。经过在四个 HFR 数据集上的广泛实验测试，表明我们的方法可以显著改进最先进的结果。

    Mar, 2019

  • 迈向近红外 - 可见光蒙面人脸识别

    本论文提出一种新的异构培训方法和 3D 面部重建方法，用于最大化两个域的面部表示共享的相互信息，从而提供领域不变的面部表示，并且具有掩蔽的稳健性。

    Apr, 2021

  • 异构人脸识别的解耦变分表示

    本文提出了一种利用 Disentangled Variational Representation (DVR) 进行 NIR 和 VIS 模态匹配的方法，在生成具有内在身份信息和内部变化的脸部表示的基础上，通过探索解缠绕潜变量空间，使用变分下界对 NIR 和 VIS 表示进行优化，取得了较大的改进。

    Sep, 2018

  • 对抗式判别异质人脸识别

    本文提出了一种对抗鉴别特征学习框架，通过在原始像素空间和紧凑特征空间上进行对抗学习，整合跨光谱人脸超分辨率和鉴别特征学习。在三个 NIR-VIS 数据库的实验结果表明，我们的方法优于最先进的 HFR 方法，且不需要复杂网络或大规模训练数据集。

    Sep, 2017

  • 异构人脸识别的图形表达

    本文提出了一种基于图形表现的异构人脸识别方法 (G-HFR)，在该方法中，马尔可夫网络用于分别表示异构图像补丁，同时考虑相邻图像补丁之间的空间兼容性。实验表明，该方法优于现有的最新方法。

    Mar, 2015