寻找你的相似者:度量人脸相似度而非人脸身份
计算机视觉与模式识别
2018-06-15 v1
摘要
人脸图像是计算机视觉的主要焦点之一,在多种任务上得到广泛研究。尽管人脸识别可能是研究最广泛的,但许多其他任务如亲属关系检测、面部表情分类与面部衰老也已得到探讨。本工作中我们提出量化一对人脸间感知相似度的新颖主观任务。即,我们预测面部图像间的感知相似度,给定它们并非同一人。尽管该任务与人脸识别明显相关,但有所不同,因而值得单独研究。人类常评论两人长得像,即便实际上并未将二者混淆。此外,由于人脸相似度不同于传统图像相似度,在数据收集与标注以及处理人类标注者间分歧的主观意见上存在挑战。我们给出证据表明寻找面部相似者与人脸识别是两个不同任务。我们提出一个新的人脸相似度数据集,并引入面向相似人脸分类的 Lookalike 网络,其在同一任务上优于针对性使用的现成人脸识别网络。
引用
@article{arxiv.1806.05252,
title = {Finding your Lookalike: Measuring Face Similarity Rather than Face Identity},
author = {Amir Sadovnik and Wassim Gharbi and Thanh Vu and Andrew Gallagher},
journal= {arXiv preprint arXiv:1806.05252},
year = {2018}
}
备注
Accepted to the 1st CVPR Workshop on Visual Understanding of Subjective Attributes of Data 2018