面向人脸视频表示的输入聚合网络
计算机视觉与模式识别
2016-03-23 v1
摘要
近年来，深度神经网络在人脸图像识别中展现出令人鼓舞的性能。大多数网络的输入是人脸图像，而文献中鲜有以人脸视频作为输入的网络研究。为了充分挖掘人脸视频中包含的有用信息，我们提出了一种新颖的网络架构，称为输入聚合网络，它能够为可变长度的人脸视频学习固定长度的表示。为实现这一目标，我们设计了一个聚合单元，将包含不同帧数的人脸视频建模为黎曼流形上的一个点；映射单元则旨在将该点映射到高维空间，在该空间中，属于同一主体的人脸视频彼此靠近，而不同主体的视频则相距较远。这两个单元与帧表示单元共同构建了一个端到端的学习系统，能够为特定任务学习人脸视频的表示。在两个公开人脸视频数据集上的实验证明了所提网络的有效性。
引用
@article{arxiv.1603.06655,
title = {Input Aggregated Network for Face Video Representation},
author = {Zhen Dong and Su Jia and Chi Zhang and Mingtao Pei},
journal= {arXiv preprint arXiv:1603.06655},
year = {2016}
}