2611.09987

SD-ViT 赋能具有早期退出 Vision Transformer 的高效人脸识别

研究人员开发了 SD-ViT，一种用于 Vision Transformer 的新颖训练框架，旨在提高人脸识别效率。该方法能够在 Transformer 的任何块深度生成可用的人脸嵌入，从而在推理过程中实现早期退出，同时最大限度地减少准确性损失。通过采用随机辅助信号和共享嵌入头，SD-ViT 训练中间层生成具有判别性的嵌入，这些嵌入可以直接与全深度画廊嵌入进行比较，无需重新计算画廊。