تُحقق أنظمة التعرف على الوجه المرئي دقة اعتراف شبه مثالية باستخدام التعلم العميق. ومع ذلك، تؤدي هذه الأنظمة إلى أداء ضعيف في ظروف الإضاءة المنخفضة. وتُعد تقنية التوافق بين المجالات (Cross-domain) بين الصور الحرارية والمرئية حلاً مُثلاً لهذا التحدي، نظرًا لفوائدها الكبيرة في التطبيقات الأمنية الليلية. ومع ذلك، نظرًا للاختلافات الكبيرة بين المجالين، يظل هذا التحدي مسألة معقدة جدًا في مجال التعرف على الوجه. في هذه الورقة، نقدم نظامًا مبنيًا على التشفير التلقائي العميق (Deep Autoencoder) لتعلم التمثيل المكاني بين صور الوجه المرئية والحرارية. كما نقيّم تأثير التحديد الدقيق (Alignment) في التعرف على الوجه من الصور الحرارية إلى المرئية. ولتحقيق ذلك، قمنا بتحديد الوجهات الوجهية يدويًا على مجموعتي بيانات Carl وEURECOM. وقد تم اختبار النهج المقترح بشكل واسع على ثلاث مجموعات بيانات متاحة للعامة: Carl وUND-X1 وEURECOM. وأظهرت النتائج التجريبية تحسنًا كبيرًا في الأداء مقارنةً بأفضل النماذج الحالية. ولاحظنا أن التحديد الدقيق يُحسّن الأداء بنسبة تصل إلى حوالي 2%. ويمكن تنزيل مواقع الوجهات الوجهية المُعلَّمة في هذه الدراسة من الرابط التالي: github.com/Alpkant/Thermal-to-Visible-Face-Recognition-Using-Deep-Autoencoders.