使用域不变单元的异质人脸识别

异质人脸识别（HFR）旨在将人脸识别（FR）系统的适用性扩展到具有挑战性的场景，实现跨域人脸图像的匹配，例如将热图像与可见光谱图像匹配。然而，由于模态之间的显著域差距以及缺乏大规模配对多通道数据，HFR系统的开发具有挑战性。在这项工作中，我们利用预训练的人脸识别模型作为教师网络，学习称为域不变单元（DIU）的域不变网络层以减少域差距。所提出的DIU可以在对比蒸馏框架下，即使使用有限数量的配对训练数据也能有效训练。所提出的方法有潜力增强预训练模型，使其更能适应数据中更广泛的变化。我们在多个具有挑战性的基准上广泛评估了我们的方法，展示了优于最先进方法的性能。