摘要
嵌入方法通过在潜在语义空间中比较面部特征，在人脸识别领域取得了显著成功。然而，在完全不受约束的面部环境中，嵌入模型学习到的面部特征可能模糊不清，甚至在输入的面部图像中根本不存在，从而导致表示噪声。为此，我们提出了一种概率人脸嵌入（Probabilistic Face Embeddings, PFEs）方法，该方法将每张人脸图像表示为潜在空间中的高斯分布。分布的均值估计最有可能的特征值，而方差则反映了特征值的不确定性。利用不确定性信息，可以自然地推导出匹配和融合PFEs的概率解决方案。在不同的基线模型、训练数据集和基准测试上的实证评估表明，所提出的方法可以通过将确定性嵌入转换为PFEs来提高人脸识别性能。PFEs估计的不确定性还作为潜在匹配精度的良好指标，对于风险控制的人脸识别系统具有重要意义。