用于亲属关系验证的推理图网络：从星形到层次结构

本文研究了通过学习层次推理图网络来解决面部亲缘关系验证问题。传统方法通常专注于为配对样本中的每张面部图像学习判别特征，而忽视了如何融合获得的两张面部图像特征并推断它们之间的关系。为了解决这一问题，我们提出了一种星形推理图网络（S-RGN）。我们的S-RGN首先构建一个星形图，其中每个外围节点编码在特征维度上的比较信息，中心节点则作为外围节点之间交互的桥梁。然后，我们在该星形图上通过迭代消息传递进行关系推理。所提出的S-RGN仅使用一个中心节点来分析和处理所有外围节点的信息，这限制了其推理能力。为了进一步提高模型的能力和灵活性，我们开发了一种层次推理图网络（H-RGN）。具体而言，我们的H-RGN引入了一组潜在推理节点，并利用这些节点构建了一个层次图。随后，在该层次图上进行自底向上的比较信息抽象和自顶向下的综合信号传播，以迭代更新节点特征。在四个广泛使用的亲缘关系数据库上的大量实验结果表明，所提出的方法取得了非常有竞争力的结果。