BriefGPT - AI 论文速递
·
从模态到风格：重新思考异构人脸识别中的领域差距
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种新的框架，解决了异构人脸识别中的领域差异和大规模数据集的限制问题。通过条件自适应实例调制（CAIM）模块适应中间特征图的风格，成功实现了端到端训练，并在多个数据集上展示了优越的性能。
🎯
关键要点
-
提出了一种新的框架，解决异构人脸识别中的领域差异问题。
-
框架将不同光谱的人脸识别模态视为不同的风格。
-
通过条件自适应实例调制（CAIM）模块适应中间特征图的风格。
-
成功实现了异构人脸识别的端到端训练。
-
在多个数据集上展示了优越的性能，训练所需的成对样本数量最少。
➡️
