首次！用合成人脸数据集训练的识别模型，性能高于真实数据集

AIGC动态欢迎阅读

原标题：首次！用合成人脸数据集训练的识别模型，性能高于真实数据集
关键字：身份,数据,向量,模型,图片
文章来源：机器之心
内容字数：0字

内容摘要：

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com研究动机
一个高质量的人脸识别训练集要求身份 (ID) 有高的分离度（Inter-class separability）和类内的变化度（Intra-class variation）。然而现有的方法普遍存在两个缺点：
1）实现了大的 intra-class variation，但是 inter-class separability 很低；
2）实现了较高的 inter-class separability，但是 intra-class variation 需要用额外的模型来提高。
这两点要么使得在合成的人脸数据集训练的模型性能表现不佳，要么难以合成大型数据集。
因此，我们通过让提出的 Vec2Face 模型学习如何将特征向量转化为对应的图片，并且在生成时对随机采

原文链接：首次！用合成人脸数据集训练的识别模型，性能高于真实数据集