用于相同双胞胎人脸识别的非对称层次注意力网络
计算机视觉与模式识别
2026-02-26 v1
摘要
相同双胞胎人脸识别代表了一种极端的细粒度识别挑战，即使是最先进的系统也因遗传相似性而难以应对。当前人脸识别方法在标准基准测试上可实现超过99.8%的准确率，但在区分相同双胞胎时准确率骤降至88.9%，暴露了生物识别安全系统的关键漏洞。难点在于学习捕捉独特于个人的细微、非遗传变异的特征。我们提出了非对称层次注意力网络 (AHAN)，这是一种专为此挑战设计的新型架构，通过多层次面部分析实现。AHAN引入了层次交叉注意 (HCA) 模块，对语义面部区域进行多尺度分析，实现在最佳分辨率上的专业处理。我们进一步提出了面部不对称注意力模块 (FAAM)，通过计算左右面部半部之间的交叉注意力，捕捉即便是双胞胎间也不同的细微不对称模式。为确保网络学习真正区分个体的特征，我们引入了双胞胎感知成对交叉注意力 (TA-PWCA)，这是一种仅用于训练的正则化策略，可将每个主体的双胞胎作为最难的干扰者。大量实验表明，在ND_TWIN数据集上，AHAN实现了92.3%的双胞胎验证准确率，相较于最先进的方法提高了3.4%。
引用
@article{arxiv.2602.21503,
title = {AHAN: Asymmetric Hierarchical Attention Network for Identical Twin Face Verification},
author = {Hoang-Nhat Nguyen},
journal= {arXiv preprint arXiv:2602.21503},
year = {2026}
}
备注
Accepted to AAAI 2026