面向异质人脸重识别的多模态排序优化
计算机视觉与模式识别
2024-05-29 v2
摘要
异质人脸重识别，即在互不相交的可见光（VIS）与近红外（NIR）摄像头之间匹配异质人脸，已成为视频监控应用中的一个重要问题。然而，异质 NIR-VIS 人脸之间的巨大域差异使人脸重识别性能急剧下降。为解决该问题，本文提出一种面向异质人脸重识别的多模态融合排序优化算法。首先，我们设计异质人脸转换网络，通过 NIR-VIS 人脸间的相互变换获得多模态人脸对，包括 NIR-VIS/NIR-NIR/VIS-VIS 人脸对。其次，我们提出线性与非线性融合策略，基于模态互补性聚合多模态人脸对的初始排序列表并获得优化重排列表。实验结果表明，所提多模态融合排序优化算法能有效利用互补性，并在 SCface 数据集上优于若干对比方法。
引用
@article{arxiv.2212.05510,
title = {Mutimodal Ranking Optimization for Heterogeneous Face Re-identification},
author = {Hui Hu and Jiawei Zhang and Zhen Han},
journal= {arXiv preprint arXiv:2212.05510},
year = {2024}
}
备注
In the methods section, unpaired face samples should be used for training during negative sample training, rather than paired samples. Corresponding errors are also present in the subsequent experimental results