BriefGPT - AI 论文速递
·
SymFace：深度人脸识别中的额外面部对称损失
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该论文提出了一种新的人脸识别损失函数，称为USS损失，通过多个基准数据集的评估证明了其高效性和与其他损失函数的协同工作能力。同时，该论文还介绍了一种性能超越其他方法的新人脸模型UniTSFace。
🎯
关键要点
- 该论文提出了一种新的损失函数，称为USS损失，用于人脸识别。
- USS损失与样本到样本softmax损失和bce损失之间的关系进行了探讨。
- 通过在多个基准数据集上的评估，USS损失被证明具有高效性。
- USS损失能够与样本到类别损失无缝协同工作。
- 训练人脸模型UniTSFace的性能超越了CosFace、ArcFace、VPL、AnchorFace和UNPG等先进方法。
➡️
