三重確率埋め込みによる顔認証とクラスタリング

過去25年間に大きな進歩が見られましたが、制約のない顔認証は依然として難問となっています。本論文では、深層CNN（Convolutional Neural Network）を基にした手法と、トリプレット確率制約を使用して学習された低次元判別埋め込みを組み合わせたアプローチを提案し、制約のない顔認証問題を解決することを目指しています。この埋め込みは性能向上だけでなく、メモリ効率や被験者固有のクラスタリングなどの後処理操作においても大きな利点を提供します。挑戦的なIJB-Aデータセットでの実験結果から、提案手法は検証および識別指標において現行の最先端手法と同等かそれ以上の性能を示しており、かつ訓練データや訓練時間が大幅に削減されていることが確認されました。CFPデータセットにおける提案手法の優れた性能は、我々の深層CNNによって学習された表現が極端な姿勢変動に対して堅牢であることを示しています。さらに、IJB-AおよびLFWデータセット上で単純なクラスタリング実験を行い、深層特徴量が年齢、姿勢、ぼかし、混雑などの課題に対して堅牢性を持つことを示しました。