بصفتها موضوعًا ناشئًا في التعرف على الوجه، يُعد تصميم دوال الخسارة القائمة على الهامش وسيلة لزيادة الفجوة بين الميزات الخاصة بالفئات المختلفة، مما يعزز القدرة على التمييز. وفي الآونة الأخيرة، تم اعتماد استراتيجيات استخراج العينات (mining-based strategies) لتركيز الاهتمام على العينات التي تم تصنيفها بشكل خاطئ، مما أدى إلى نتائج واعدة. ومع ذلك، خلال عملية التدريب بأكملها، تُظهر الطرق التقليدية إما عدم التأكيد الصريح على أهمية العينات بناءً على درجة صعوبتها، مما يؤدي إلى عدم استغلال العينات الصعبة بالكامل؛ أو التأكيد الصريح على تأثير العينات شبه الصعبة/الصعبة حتى في المراحل المبكرة من التدريب، ما قد يسبب مشكلات في التقارب. في هذا العمل، نقترح دالة خسارة جديدة تُسمى "CurricularFace" (الخسارة التدريبية التكيفية) التي تدمج فكرة التدريس التدريجي (curriculum learning) داخل دالة الخسارة، بهدف تحقيق استراتيجية تدريب مبتكرة للتعرف العميق على الوجه. وتركز هذه الاستراتيجية على معالجة العينات السهلة في المراحل المبكرة من التدريب، بينما تُركّز على العينات الصعبة في المراحل اللاحقة. وبشكل خاص، تُعدّل CurricularFace بشكل تكيفي الأهمية النسبية للعينات السهلة والصعبة خلال المراحل المختلفة من التدريب. وفي كل مرحلة، تُمنح العينات أوزانًا مختلفة بناءً على صعوبتها المقابلة. وأظهرت النتائج التجريبية الواسعة على معايير شهيرة تفوق CurricularFace على المنافسين ذوي المستوى الرائد في المجال.