本文研究异构人脸识别，提出条件自适应实例调制模块（CAIM），有效适应不同源模态，缩小领域差距。通过广泛评估，证明该方法在多个基准测试中优于现有技术，成功实现端到端训练，且所需成对样本数量最少。

本文探讨了异构人脸识别中的领域差异及数据集限制，提出了一种通过条件自适应实例调制（CAIM）模块实现端到端训练的新框架，以提升识别性能。同时，研究介绍了领域不变单元（DIU）和对抗鉴别特征学习等方法，展示了在多个基准测试中的优越表现。