تتدهور أداء نظام التعرف على الوجه عندما تزداد تنوع الصور المكتسبة للوجوه. عمل سابق يخفف من هذه المشكلة إما بمراقبة جودة الوجه في مرحلة ما قبل المعالجة أو بتوقع عدم اليقين في البيانات مع ميزة الوجه. تقترح هذه الورقة بحثية MagFace، وهو فئة من الخسائر التي تتعلم تمثيلًا عامًا للميزات يمكن أن يقيس حجم هذا التمثيل جودة الوجه المعطى. تحت الخسارة الجديدة، يمكن إثبات أن حجم تمثيل الميزات يزيد بشكل متزايد إذا كان الموضوع أكثر عرضة للتعرف عليه. بالإضافة إلى ذلك، يُدخل MagFace آلية متكيفة لتعلم توزيعات ميزات جيدة داخل الفئات عن طريق سحب العينات السهلة نحو مراكز الفئات بينما يتم دفع العينات الصعبة بعيداً. هذا يمنع النماذج من الانطباق الزائد على العينات ذات الجودة المنخفضة الضوضائية ويعزز التعرف على الوجوه في البيئات الحقيقية. أجريت تجارب واسعة النطاق على التعرف على الوجوه وتقييم الجودة وكذلك التجميع، مما يثبت تفوقه على أفضل التقنيات الحالية. الرمز البرمجي متاح على الرابط:https://github.com/IrvingMeng/MagFace.