野外遮挡下的年龄估计：多任务年龄头
计算机视觉与模式识别
2026-01-21 v1 图像与视频处理
摘要
面部年龄估计在受控条件下取得了显著进展。然而，在不受约束的真实世界场景中，尤其是在面部部分被遮挡的情况下，年龄估计仍具有挑战性。为此，我们提出了一种新方法，集成生成对抗网络 (GAN) 和变换器架构，以实现对被遮挡面部的稳健年龄估计。我们采用 SN-Patch GAN 有效去除遮挡，同时使用注意力残差卷积模块 (ARCM) 配合 Swin Transformer 来增强特征表示。此外，我们引入了多任务年龄头 (MTAH)，将回归和分布学习相结合，进一步提高了遮挡下年龄估计的性能。在 FG-NET、UTKFace 和 MORPH 数据集上的实验结果表明，我们提出的方法在遮挡面部年龄估计方面优于现有 SOTA 技术，分别实现 MAE 为 、 和 年。
引用
@article{arxiv.2506.13445,
title = {Overcoming Occlusions in the Wild: A Multi-Task Age Head Approach to Age Estimation},
author = {Waqar Tanveer and Laura Fernández-Robles and Eduardo Fidalgo and Víctor González-Castro and Enrique Alegre},
journal= {arXiv preprint arXiv:2506.13445},
year = {2026}
}