用于漫画人脸图形识别的跨模态多任务学习
计算机视觉与模式识别
2020-03-13 v1
摘要
真实视觉图像的人脸识别已在近十年得到充分研究并取得显著进展。与真实视觉图像不同，漫画的人脸识别性能远不及视觉图像。这很大程度上源于漫画通过夸张面部特征以强化人物特质而引入的极端非刚性形变。漫画与视觉图像的异质模态导致漫画-视觉人脸识别是一个跨模态问题。本文提出一种通过多任务学习进行漫画-视觉人脸识别的方法。与具有固定任务权重的常规多任务学习不同，本工作提出一种根据任务重要性学习任务权重的方法。所提具有动态任务权重的多任务学习能够恰当地训练困难任务与简单任务，而非像常规方法那样陷入对简单任务的过度训练。实验结果证明了所提动态多任务学习用于跨模态漫画-视觉人脸识别的有效性。在 CaVI 与 WebCaricature 数据集上的性能显示了相对于最先进方法的优越性。
引用
@article{arxiv.2003.05787,
title = {Cross-modal Multi-task Learning for Graphic Recognition of Caricature Face},
author = {Zuheng Ming and Jean-Christophe Burie and Muhammad Muzzamil Luqman},
journal= {arXiv preprint arXiv:2003.05787},
year = {2020}
}
备注
arXiv admin note: substantial text overlap with arXiv:1911.03341