LRA-GNN：用于面部年龄估计的具备初始和动态残差的潜在关系感知图神经网络
计算机视觉与模式识别
2025-02-11 v1
摘要
面部信息主要集中在面部关键点上，前沿研究开始使用图神经网络将面部分割为若干节点，以建模复杂的面部表示。然而，这些方法基于相似性阈值构建节点间关系，导致某些潜在关系缺失。这些潜在关系对于面部衰老的深层语义表示至关重要。本文提出一种新的具备初始和动态残差的潜在关系感知图神经网络（LRA-GNN），以实现稳健且全面的面部表示。具体而言，我们首先利用面部关键点作为先验知识构建初始图，然后采用随机游走策略获取全局结构，这两者共同指导后续有效的探索和全面表示。接着，LRA-GNN利用多注意力机制捕获潜在关系，生成包含丰富面部信息和完整结构的完全连接图。为避免在完全连接图上进行深度特征提取时出现的过平滑问题，设计了深层残差图卷积网络，将自适应初始残差和动态发展残差融合，以确保信息的一致性和多样性。最后，为提高估计精度和泛化能力，提出了渐进强化学习以优化集成分类回归器。我们的方法在多个年龄估计基准测试上超越了最先进的基线，展示了其强大和有效的性能。
引用
@article{arxiv.2502.05423,
title = {LRA-GNN: Latent Relation-Aware Graph Neural Network with Initial and Dynamic Residual for Facial Age Estimation},
author = {Yiping Zhang and Yuntao Shou and Wei Ai and Tao Meng and Keqin Li},
journal= {arXiv preprint arXiv:2502.05423},
year = {2025}
}