TopoFR：面向人脸识别的拓扑对齐分析
计算机视觉与模式识别
2025-10-27 v2 机器学习
摘要
人脸识别（FR）领域随着深度学习的兴起取得了显著进展。近期，无监督学习与图神经网络的成功表明数据结构信息的重要性。鉴于FR任务可利用大规模训练数据，这些数据本质上包含大量结构信息，我们旨研究如何将此关键结构信息编码到潜空间中。我们的观察表明，直接对齐输入空间与潜空间间的结构信息必然导致过拟合问题，进而引发潜空间中的结构坍缩现象。为解决此问题，我们提出TopoFR，一种新型FR模型，采用称为 PTSA 的拓扑结构对齐策略，以及名为 SDE 的硬样本挖掘策略。具体而言，PTSA 使用持久同调（persistent homology）对齐输入空间与潜空间的拓扑结构，有效保留结构信息并提升FR模型的泛化性能。为缓解硬样本对潜空间结构的影响，SDE 通过自动计算每个样本的结构损伤得分（SDS），准确识别硬样本，并引导模型优先优化这些样本。在流行人脸基准数据集上的实验结果表明，我们的TopoFR 在SOTA 方法之上。代码与模型已发布于：https://github.com/modelscope/facechain/tree/main/face_module/TopoFR。
引用
@article{arxiv.2410.10587,
title = {TopoFR: A Closer Look at Topology Alignment on Face Recognition},
author = {Jun Dan and Yang Liu and Jiankang Deng and Haoyu Xie and Siyuan Li and Baigui Sun and Shan Luo},
journal= {arXiv preprint arXiv:2410.10587},
year = {2025}
}
备注
Accepted by NeurIPS 2024