FAR-AMTN：面向人脸属性识别的注意力多任务网络
计算机视觉与模式识别
2026-02-02 v1
摘要
为增强多任务网络(MTN)在人脸属性识别(FAR)中的泛化性能，必须有效地在多个相关预测任务之间共享相关信息。传统MTN方法创建共享的低层模块和独立的高层模块，导致随着任务数量增加而指数级增长的模型参数。这种方法还限制了在高层的特征交互，阻碍了对属性之间语义关系的探索，从而影响泛化性能。为此，本研究引入FAR-AMTN，一种用于FAR的注意力多任务网络。它包含一个权重共享组特定注意力(WSGSA)模块，具有共享参数以最小化复杂度同时提高组特征表示。此外，采用跨组特征融合(CGFF)模块以促进属性组之间的相互作用，增强特征学习。还引入动态加权策略(DWS)以实现任务的同步收敛。在CelebA和LFWA数据集上的实验表明，所提出的FAR-AMTN在显著减少参数数量的同时展现出优于现有模型的更高准确率。
引用
@article{arxiv.2601.01537,
title = {FAR-AMTN: Attention Multi-Task Network for Face Attribute Recognition},
author = {Gong Gao and Zekai Wang and Xianhui Liu and Weidong Zhao},
journal= {arXiv preprint arXiv:2601.01537},
year = {2026}
}
备注
28 pages, 8figures