تقدير العمر من صورة وجه واحدة هو موضوع كلاسيكي وصعب في رؤية الحاسوب. أحد أكثر مشكلاته تعقيدًا هو غموض التسمية، أي أن صور الوجه الخاصة بنفس الشخص في أعمار متقاربة غالبًا ما تكون غير قابلة للتمييز. تعتمد بعض الطرق الحالية على تعلم التوزيع لمعالجة هذه المشكلة من خلال استغلال الارتباط الدلالي بين تسميات الأعمار. في الواقع، تُعيّن معظم هذه الطرق قيمة ثابتة لانحراف التوزيع الغاوسي لتسميات الأعمار بالنسبة لجميع الصور. ومع ذلك، فإن الانحراف مرتبط ارتباطًا وثيقًا بالارتباط بين الأعمار المجاورة، ويجب أن يختلف حسب العمر والهوية. لتمثيل انحراف مخصص لكل عينة، نقترح في هذه الورقة طريقة تُسمى التعلم التوزيعي القائم على الانحراف التكيفي (AVDL) لتقدير عمر الوجه. تعتمد AVDL على إطار عمل تحسين مدفوع بالبيانات، يُعرف باسم التعلم التشاركي (meta-learning)، لتحقيق ذلك. بشكل خاص، تقوم AVDL بخطوة تناقص تدرج تشاركي على المتغير (أي الانحراف) لتقليل الخسارة على مجموعة تحقق نظيفة وحيادية. وبتعلم الانحراف المناسب بشكل تكيفي لكل عينة، يمكن لطرقنا تقريب توزيع احتمال العمر الحقيقي بشكل أكثر فعالية. أظهرت التجارب الواسعة على مجموعتي بيانات FG-NET وMORPH II تفوق النهج المقترح على الطرق الرائدة الحالية.