xEdgeFace：面向边缘设备的高效跨谱面部识别

异构面部识别 (HFR) 旨在解决跨不同感知模态（如热成像至可见光或近红外至可见光）进行人脸图像匹配的挑战，拓展人脸识别系统在现实世界、不受约束环境中的应用前景。虽然近期 HFR 方法取得了令人鼓舞的成果，但许多依赖计算密集型架构，限制了其在资源受限边缘设备上的部署实用性。本文提出一种轻量且有效的 HFR 框架，通过改造原为人脸识别设计的混合 CNN-Transformer 架构。我们的做法实现了高效的端到端训练，仅需最少的配对异构数据，即可在标准 RGB 人脸识别任务上保持强性能。这使其成为同时适用于均质和异构场景的引人入目解决方案。在多个具有挑战性的 HFR 和人脸识别基准测试上进行了广泛实验，表明该方法在保持低计算开销的同时， consistently 超越了当前最先进的方法。