基于 Wasserstein 距离的年龄不变人脸嵌入
计算机视觉与模式识别
2023-05-05 v1
摘要
在本工作中，我们研究同一主体图像存在显著年龄差异的数据集中的人脸验证问题。这对当前的人脸识别与验证技术构成了重大挑战。为应对该问题，我们提出了一种新方法，利用多任务学习和 Wasserstein 距离判别器来解耦人脸图像的年龄与身份嵌入。我们的方法采用带 Wasserstein 距离判别器的多任务学习，通过最小化 Jensen-Shannon 散度来最小化年龄与身份嵌入之间的互信息。这改善了人脸图像中年龄与身份信息的编码，并提升了在年龄变化数据集上的人脸验证性能。我们使用多个年龄变化人脸数据集评估了方法的有效性，并证明了其在人脸验证准确率方面优于最先进的方法。
引用
@article{arxiv.2305.02745,
title = {Age-Invariant Face Embedding using the Wasserstein Distance},
author = {Eran Dahan and Yosi Keller},
journal= {arXiv preprint arXiv:2305.02745},
year = {2023}
}