对抗判别异构人脸识别
计算机视觉与模式识别
2017-09-13 v1
摘要
不同人脸模态的感知模式之间的差异仍是异构人脸识别（HFR）中的一个挑战性问题。本文提出一种对抗判别特征学习框架，通过在原始像素空间和紧凑特征空间上进行对抗学习来缩小感知差异。该框架将跨光谱人脸幻觉与判别特征学习集成到一个端到端对抗网络中。在像素空间，我们利用生成对抗网络进行跨光谱人脸幻觉。引入一种精细的双路径模型以缓解配对图像缺乏的问题，该模型兼顾全局结构与局部纹理。在特征空间，采用对抗损失和高阶方差差异损失分别度量两个异构分布之间的全局与局部差异。这两种损失增强了域不变特征学习和模态无关噪声去除。在三个 NIR-VIS 数据库上的实验结果表明，所提方法优于当前最先进的 HFR 方法，且无需复杂网络或大规模训练数据集。
引用
@article{arxiv.1709.03675,
title = {Adversarial Discriminative Heterogeneous Face Recognition},
author = {Lingxiao Song and Man Zhang and Xiang Wu and Ran He},
journal= {arXiv preprint arXiv:1709.03675},
year = {2017}
}