面向极端姿态人脸识别的信息最大化方法

在本文中，我们试图在一个抽象的嵌入空间中建立正面与侧面人脸图像之间的联系。我们利用这种联系，采用耦合编码器网络将正面/侧面人脸图像投影到一个共同的潜在嵌入空间中。所提出的模型通过最大化人脸两个视图之间的互信息，迫使嵌入空间中表示的相似性。所提出的耦合编码器在匹配具有极端姿态差异的人脸方面具有三点贡献。首先，我们利用姿态感知对比学习来最大化身份的正面与侧面表示之间的互信息。其次，模型集成了一个由过去迭代中累积的潜在表示组成的记忆缓冲，使其能参考远多于小批量大小的实例。第三，一种新颖的姿态感知对抗域适应方法迫使模型学习从侧面到正面表示的非对称映射。在我们的框架中，耦合编码器学习扩大真实人脸与冒用者人脸分布之间的间隔，从而在同一身份不同视图间产生高互信息。我们通过四个基准数据集上的大量实验、评估和消融研究，并与极具竞争力的前沿算法进行比较，验证了所提模型的有效性。