2D-3D 注意力与熵用于姿态鲁棒的 2D 人脸识别
计算机视觉与模式识别
2025-05-15 v1
摘要
尽管近期在人脸识别方面取得了显著进展，但仍存在一个根本性问题：由于注册图像与查询（探测）图像之间的显著视角差异，性能会出现显著退化。因此，我们提出了一种新型域自适应框架，通过使基于图像（2D）的表征能够推断本质上对姿态不变的点云（3D）表征，来实现在姿态差异巨大的情形下提升性能。具体而言，我们通过 (1) 使用共享（联合）注意力映射来强调 2D 人脸图像与 3D 人脸数据之间最相关的常见模式，以及 (2) 通过利用注意力图实现联合熵正则化损失，以促进 2D 与 3D 表征之间更好的一致性——增强相关性。该框架在 FaceScape 和 ARL-VTF 数据集上进行评估，其中表现优于对手方法，分别实现了 profile（90°）TAR @ 1% FAR 至少提升 7.1% 和 1.57%。
引用
@article{arxiv.2505.09073,
title = {2D-3D Attention and Entropy for Pose Robust 2D Facial Recognition},
author = {J. Brennan Peace and Shuowen Hu and Benjamin S. Riggan},
journal= {arXiv preprint arXiv:2505.09073},
year = {2025}
}
备注
To appear at the IEEE International Conference on Automatic Face and Gesture 2025 (FG2025)