MeFEm：医用面部嵌入模型
计算机视觉与模式识别
2026-02-17 v1
摘要
我们提出 MeFEm，一种基于修改版联合嵌入预测架构（JEPA）的视觉模型，用于从人脸图像中进行生物识别和医学分析。关键修改包括：轴向条纹遮蔽策略以聚焦学习于语义相关区域、循环损失加权方案，以及 CLS token 的概率性重新分配，以实现高质量的线性探测。该模型在精选图像数据集上训练，虽然数据量显著少于基准模型（如 FaRL 和 Franca），但在核心人体测量任务上已取得优异表现。它还在 BMI 估计方面显示出有前景的成果，该实验在一个新建构的封闭源数据集上进行，旨在解决现有数据中普遍存在的领域偏差。模型权重可在 https://huggingface.co/boretsyury/MeFEm 获取，为该领域的后续工作提供了强大的基线。
引用
@article{arxiv.2602.14672,
title = {MeFEm: Medical Face Embedding model},
author = {Yury Borets and Stepan Botman},
journal= {arXiv preprint arXiv:2602.14672},
year = {2026}
}