用于极低分辨率人脸识别的生成-判别表示蒸馏
计算机视觉与模式识别
2024-12-30 v1 人工智能
多媒体
摘要
由于分辨率退化导致人脸细节信息严重丢失，极低分辨率人脸识别具有挑战性。本文提出一种生成-判别表示蒸馏方法，结合生成表示与跨分辨率对齐知识蒸馏。该方法通过两个蒸馏模块实现生成与判别模型的联合蒸馏，以实现极低分辨率人脸识别。首先，生成表示蒸馏以专为人脸超分辨预训练的扩散模型编码器作为生成教师，通过特征回归监督学生主干网络的学习，然后冻结学生主干网络。随后，判别表示蒸馏进一步考虑预训练的人脸识别器作为判别教师，通过跨分辨率关系对比蒸馏来监督学生头部网络的学习。如此一来，通用主干表示可转化为判别性头部表示，从而构建一个针对极低分辨率人脸识别的稳健且判别性的学生模型。我们的方法提高了极低分辨率人脸缺失细节的恢复效果，并实现了更好的知识传递。大量实验在人脸数据集上表明，本方法提升了极低分辨率人脸的识别准确率，展示了其有效性和适应性。
引用
@article{arxiv.2409.06371,
title = {Distilling Generative-Discriminative Representations for Very Low-Resolution Face Recognition},
author = {Junzheng Zhang and Weijia Guo and Bochao Liu and Ruixin Shi and Yong Li and Shiming Ge},
journal= {arXiv preprint arXiv:2409.06371},
year = {2024}
}