FaceGCD：基于动态前缀生成的通用人脸发现

识别和区分熟悉人脸与不熟悉人脸是面向人脸识别系统和人工通用智能（AGI）的关键能力。鼓动此能力，本文引入通用人脸发现（GFD），一种新颖的开放世界人脸识别任务，将传统人脸识别与通用类别发现（GCD）统一。GFD要求同时识别标记的和无标记的已知身份（IDs），同时发现新的、先前未出现的IDs。不同于典型的GCD设置，GFD由于人脸ID的高基数和细粒度特性，使现有GCD方法难以解决。为此，我们提出FaceGCD方法，通过轻量级、层级前缀动态构建特定于实例的特征提取器。这些前缀由一个超网络在运行时生成，适应性地输出针对每个输入图像的前缀生成器集合。这种动态设计使FaceGCD能够在不依赖高容量静态模型的情况下捕获细微的身份相关线索。大量实验表明，FaceGCD显著优于现有GCD方法和强人脸识别基线（ArcFace），在GFD任务上实现了最新的成果，推动了向开放世界人脸识别的发展。