重新思考近红外人脸识别中的域间隙
计算机视觉与模式识别
2023-12-04 v1
摘要
异质人脸识别（HFR）涉及在可见（VIS）与近红外（NIR）视觉域间匹配人脸图像的复杂任务。尽管现有HFR文献多将域间隙视为主要挑战，并致力于在输入或特征层面弥合之，我们的工作偏离了这一趋势。我们观察到，与较小网络不同，大规模同质VIS数据预训练的大型神经网络在HFR中展现出卓越的零样本性能，表明域间隙可能不如先前所认为的显著。通过将HFR问题视为低数据微调问题，我们引入了一个简洁框架：全面预训练，继以正则化微调策略，该框架在四个公开基准上达到或超越了当前最优（SOTA）水平。相应代码见 https://github.com/michaeltrs/RethinkNIRVIS。
引用
@article{arxiv.2312.00627,
title = {Rethinking the Domain Gap in Near-infrared Face Recognition},
author = {Michail Tarasiou and Jiankang Deng and Stefanos Zafeiriou},
journal= {arXiv preprint arXiv:2312.00627},
year = {2023}
}
备注
5 pages, 3 figures, 6 tables