TransFA：基于Transformer的人脸属性评估表征方法
计算机视觉与模式识别
2022-07-13 v1
摘要
人脸属性评估在视频监控与人脸分析中具有重要作用。尽管基于卷积神经网络的方法已取得很大进展，但它们不可避免地每次仅通过卷积处理一个局部邻域。此外，现有方法多将人脸属性评估视为独立的多标签分类任务，忽略了语义属性与人脸身份信息之间的内在关联。本文提出一种新颖的基于Transformer的人脸属性评估表征方法（TransFA），可在注意力机制背景下有效增强属性判别表征学习。该方法采用多分支Transformer探索相似语义区域中不同属性间的相互关联，以进行属性特征学习。特别地，设计了分层身份约束属性损失来训练端到端架构，可进一步融合人脸身份判别信息以提升性能。在多个脸属性基准上的实验结果表明，所提TransFA相比当前最优（SOTA）方法取得了更优性能。
引用
@article{arxiv.2207.05456,
title = {TransFA: Transformer-based Representation for Face Attribute Evaluation},
author = {Decheng Liu and Weijie He and Chunlei Peng and Nannan Wang and Jie Li and Xinbo Gao},
journal= {arXiv preprint arXiv:2207.05456},
year = {2022}
}