IJB-C
PulseAugur coverage of IJB-C — every cluster mentioning IJB-C across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新框架支持私有化人脸识别数据集发布
研究人员开发了一个名为私有化人脸蒸馏的新框架，以解决与发布人脸识别训练数据集相关的隐私问题。该方法旨在创建受保护的代理数据集，可用于训练人脸识别模型，而无需直接暴露个人身份。该框架解耦了源身份信息，同时保留了有效识别学习所需的几何和关系属性，与现有基线相比，显示出更高的效用和更低的关联性。
-
新的Q-Margin损失通过概率边距增强生物识别
研究人员推出了一种新颖的$\alpha$-散度损失函数Q-Margin，旨在改进生物识别系统。与将几何惩罚应用于logits的传统方法不同，这种新损失函数将一个原则性的概率边距直接编码到先验概率中。Q-Margin旨在鼓励区分性嵌入同时保持稀疏性，从而在人脸和说话人识别基准测试的低错误接受率下提高性能。
-
寄存器令牌使 Vision Transformer 具有可解释性和性能提升
研究人员开发了一种使用寄存器令牌的新方法，以提高 Vision Transformer (ViTs) 在人脸识别方面的可解释性和性能。通过向初始块嵌入添加可学习的寄存器令牌，与标准的 CLS 令牌或连接块嵌入 (CPE) 方法相比，ViT-8R 模型展示了更结构化和可理解的注意力图。这种增强不仅减轻了可解释性伪影，还在 IJB-B 和 IJB-C 等大规模基准测试中取得了最先进的成果。
-
ViT-FREE 方法提升人脸识别效率
研究人员开发了 ViT-FREE 方法，可在无需重新训练的情况下提高 Vision Transformers (ViTs) 在人脸识别方面的效率。该方法允许从预训练 ViT 的中间层提前退出，从而降低计算成本，同时保持高精度。一种额外的微调策略 ViT-FREE_FT，通过仅用合成数据调整投影层，进一步优化了浅层退出的性能。