面向低样本异质人脸识别的对偶变分生成方法
计算机视觉与模式识别
2019-12-03 v3
摘要
异质人脸识别（HFR）因域差异大且异质数据缺乏而是一项具有挑战性的任务。本文将 HFR 视为对偶生成问题，并提出一种新颖的对偶变分生成（DVG）框架。该框架从噪声生成大规模具有相同身份的新配对异质图像，以缩小 HFR 的域间隙。具体而言，我们首先引入对偶变分自编码器来表示配对异质图像的联合分布。然后，为确保生成的配对异质图像的身份一致性，我们在潜空间施加分布对齐，在图像空间施加成对身份保持。此外，HFR 网络通过约束生成的配对异质图像之间的成对特征距离来减小域差异。在四个 HFR 数据库上的大量实验表明，我们的方法能显著改进当前最优（SOTA）结果。相关代码见 https://github.com/BradyFU/DVG。
引用
@article{arxiv.1903.10203,
title = {Dual Variational Generation for Low-Shot Heterogeneous Face Recognition},
author = {Chaoyou Fu and Xiang Wu and Yibo Hu and Huaibo Huang and Ran He},
journal= {arXiv preprint arXiv:1903.10203},
year = {2019}
}
备注
Accepted by NeurIPS 2019