LAFS：基于面部标志的自监督学习用于人脸识别

在这项工作中，我们专注于学习可迁移至训练有效人脸识别模型的面部表征，尤其是在缺乏标签的情况下。首先，与现有的带标签人脸数据集相比，现实世界中存在数量远超于此的无标签人脸。我们探索通过自监督预训练来学习这些无标签面部图像，以迁移泛化的人脸识别性能。此外，受近期一项发现——即面部显著性区域对人脸识别至关重要——的启发，与在预训练中利用随机裁剪的图像块构建增强不同，我们利用通过提取的面部标志定位的图像块。这使得我们的方法——即基于面部标志的自监督学习（LAFS），能够学习对人脸识别更为关键的表征。我们还引入了两种特定于标志的增强方法，引入更多标志信息的多样性，以进一步正则化学习过程。利用学习到的基于标志的面部表征，我们进一步通过正则化缓解标志位置变化，使该表征适应人脸识别。我们的方法在多个面部识别基准上取得了相较于最先进技术的显著提升，尤其是在更具挑战性的少样本场景中。