حققت طرق التضمين نجاحًا في مجال التعرف على الوجوه من خلال مقارنة خصائص الوجه في فضاء دلالي ضمني. ومع ذلك، في بيئة وجوه غير مقيدة تمامًا، قد تكون الخصائص التي تتعلمها نموذج التضمين غامضة أو قد لا توجد حتى في صورة الوجه المدخلة، مما يؤدي إلى تمثيلات ضوضائية. نقترح استخدام التضمينات الاحتمالية للوجوه (PFEs)، والتي تمثل كل صورة وجه كتوزيع غاوس في الفضاء ضمني. يقدر متوسط التوزيع أكثر قيم الخصائص احتمالًا بينما يظهر الانحراف المعياري عدم اليقين في قيم الخصائص. يمكن بعد ذلك استنتاج حلول احتمالية بشكل طبيعي لمطابقة ودمج التضمينات الاحتمالية للوجوه باستخدام معلومات عدم اليقين. أظهرت التقييمات التجريبية على نماذج أساسية مختلفة ومجموعات بيانات تدريبية ومقاييس أن الطريقة المقترحة يمكن أن تحسن أداء التعرف على الوجوه للتضمينات الحتمية عن طريق تحويلها إلى تضمينات احتمالية للوجوه. كما أن عدم اليقين الذي تقديره التضمينات الاحتمالية للوجوه يعتبر مؤشرًا جيدًا لدقة المطابقة المحتملة، وهو أمر مهم لنظام تعريف يتحكم في المخاطر.