跨欧几里得-黎曼度量学习及其在视频人脸识别中的应用
计算机视觉与模式识别
2017-01-10 v2
摘要
黎曼流形已被广泛用于视觉分类任务（包括基于视频的人脸识别）中的视频表示。其成功主要源于学习一种判别性黎曼度量，该度量编码了底层黎曼流形的非线性几何。在本文中，我们提出了一种新颖的度量学习框架，用于学习跨欧几里得空间和黎曼流形的距离度量，以融合单个视频中人脸的平均外观和模式变化。所提出的度量学习框架可以处理基于视频的人脸识别的三种典型任务：视频到静态图像、静态图像到视频以及视频到视频设置。为了实现这一新框架，通过利用典型的黎曼几何进行核嵌入，我们将源欧几里得空间和黎曼流形映射到一个共同的欧几里得子空间，每个空间都通过一个相应的高维再生核希尔伯特空间。通过这种映射，学习两个源异构空间之间的跨视角度量问题可以表示为在目标共同欧几里得空间中学习一个单视角欧几里得距离度量。通过学习具有共享标签的异构数据信息，共同空间中的判别度量改进了来自视频的人脸识别。在四个具有挑战性的视频人脸数据库上进行的大量实验表明，所提出的框架在三种经典的基于视频的人脸识别任务中，相较于最先进的方法具有明显优势。
引用
@article{arxiv.1608.04200,
title = {Cross Euclidean-to-Riemannian Metric Learning with Application to Face Recognition from Video},
author = {Zhiwu Huang and Ruiping Wang and Shiguang Shan and Luc Van Gool and Xilin Chen},
journal= {arXiv preprint arXiv:1608.04200},
year = {2017}
}