摘要
近年来，年龄不变的人脸识别研究引起了越来越多的兴趣。然而，跨越较大年龄差距的人脸匹配仍然是一个具有挑战性的问题，主要是由于衰老导致的人脸外观显著差异。为了减少这种差异，本文提出了一种新颖的算法，旨在从包含身份和年龄信息的混合特征中去除与年龄相关的成分。具体而言，我们将混合人脸特征分解为两个不相关的成分：身份相关成分和年龄相关成分，其中身份相关成分包含了对人脸识别有用的信息。为了实现这一目标，我们提出了去相关对抗学习（DAL）算法，在该算法中引入了一个规范映射模块（CMM），用于找到由骨干网络生成的配对特征之间的最大相关性，而骨干网络和分解模块则被训练以生成降低相关性的特征。因此，所提出的模型学会了将年龄和身份的特征进行分解，其相关性显著降低。同时，身份相关特征和年龄相关特征分别受到ID保持信号和年龄保持信号的监督，以确保它们都包含正确的信息。我们在流行的公共人脸老化数据集（FG-NET、MORPH Album 2 和 CACD-VS）上进行了广泛的实验，以证明所提方法的有效性。