FaceMoE架构提升低分辨率人脸识别性能

研究人员推出了一种新颖的专家混合（MoE）Transformer架构FaceMoE，旨在提高低分辨率人脸识别能力。该架构采用专门的前馈网络专家和top-k路由器，动态分配token，促进不同面部区域的专家专业化。FaceMoE旨在增强低分辨率图像中的特征提取和聚合，同时缩小高分辨率和低分辨率数据之间的域差距。模型采用组合损失函数进行训练，以确保专家专业化和训练稳定性。大量实验表明，该模型在各种基准测试中均优于现有最先进方法。 AI

影响 引入了一种新颖的人脸识别MoE架构，有望提高低分辨率和退化图像的性能。

排序理由 该条目是一篇研究论文，详细介绍了一种针对特定计算机视觉任务的新模型架构。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• FaceMoE
• feed forward network
• Gotit.pub
• Hugging Face
• mixture of experts
• ScienceCast
• top-k router
• transformer

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →