MoDE：用于任意遮挡人脸识别的扩散专家混合模型

随着疫情的持续影响，人们已习惯佩戴口罩。然而，当前大多数遮挡人脸识别 算法缺乏关于遮挡的先验知识，导致在现实中处理不同类型和严重程度的遮挡人脸时性能不佳。识别遮挡人脸仍是一项重大挑战，这极大影响了人们日常生活的便利性。在本文中，我们提出了一种用于 OFR 的身份门控扩散专家混合模型。每个基于扩散的生成专家为遮挡人脸估计一张可能的完整图像。考虑到扩散模型的随机采样过程会在修复后的人脸与真实人脸之间引入不可避免的差异和变化，为了集成多次重建人脸中的有效信息，我们引入了一个身份门控网络，以评估每张重建人脸对身份的贡献，并在决策空间中自适应地整合预测结果。此外，我们的 MoDE 是一个即插即用模块，适用于大多数现有人脸识别模型。在三个公开人脸数据集和两个自然场景数据集上的大量实验验证了，与竞争方法相比，我们在应对各种遮挡时具有先进的性能。