BriefGPT - AI 论文速递
·
跨年龄对比学习用于年龄不变人脸识别
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了基于对比学习的框架ConGaze，以无监督的方式跨主体学习凝视感知表示。实验证明ConGaze在公共凝视估计数据集上胜过现有无监督学习解决方案，并在跨数据集评估中相对于基于监督学习的模型取得了显著改进。
🎯
关键要点
- 基于外观的凝视估计依赖于大规模且经过良好注释的凝视数据集，但这些数据集稀缺且昂贵。
- 提出了一种基于对比学习的框架ConGaze，利用未标记的面部图像以无监督的方式学习凝视感知表示。
- 实验证明ConGaze在三个公共凝视估计数据集上超越现有无监督学习解决方案6.7%至22.5%。
- 在跨数据集评估中，ConGaze相对于基于监督学习的模型取得了15.1%至24.6%的改进。
➡️
