基于对比对齐与蒸馏的轻量级跨光谱人脸识别
计算机视觉与模式识别
2026-05-07 v1
摘要
异构人脸识别（HFR）旨在匹配跨不同传感模态采集的人脸图像，例如热红外到可见光或近红外到可见光，从而增强人脸识别系统在具有挑战性的现实条件下的可用性。尽管近期的 HFR 方法在性能上取得了显著提升，但许多方法依赖于计算成本高昂的模型，使其不适合部署于资源受限的边缘设备。在本工作中，我们通过改造最初为 RGB 同构人脸识别开发的混合 CNN-Transformer 模型，引入了一个轻量且有效的 HFR 框架。我们的方法仅需少量成对异构数据即可实现高效的端到端训练，同时在标准 RGB 人脸识别基准上仍保持强劲的性能。这使其适用于同构和异构设置。在多个具有挑战性的 HFR 和人脸识别基准上的综合实验表明，我们的方法在保持较低计算需求的同时，实现了 SOTA 或具竞争力的性能。
引用
@article{arxiv.2605.04769,
title = {Lightweight Cross-Spectral Face Recognition via Contrastive Alignment and Distillation},
author = {Anjith George and Sebastien Marcel},
journal= {arXiv preprint arXiv:2605.04769},
year = {2026}
}
备注
Accepted in IEEE TBIOM