【CVPR2021】MagFace:一种用于人脸识别和质量评估的通用表示

人脸识别，质量和聚类都是非常热门且值得关注的方向。目前的工作主要针对某一个任务做优化，少有工作去考虑这几个任务的相关性。如传统质量模型认为的低质量图片其实能被后续识别模型很好地识别，或者高性能识别特征的聚类效果却不尽如人意。论文MagFace: A Universal Representation for Face Recognition and Quality Assessment 提出全新的，能够适用于多个任务的人脸特征表达。MagFace是对识别loss进行优化，不需要额外的标注或者网络结构调整，即插即用。该文作者全部来自Aibee。

当前人脸相关领域中，人脸识别，质量和聚类都是非常热门且值得关注的方向。其中ArcFace是目前最为主流的人脸识别方法，不仅是学术界达到SOTA也被工业界广泛应用。ArcFace提出增加角度间隔尽可能的拉大不同类别之间的角度间隔，从而达到压缩类内距离拉大类间距离的目的。但是由于ArcFace只是简单的使用了一个固定常量间隔。且只考虑了类间间隔并没有对类内分布做更加精细化处理，没有考虑模长等维度的信息。我们期望提出一种新的人脸特征能够更加合理的类内分布适用于多种人脸任务例如识别，质量和聚类，由此我们提出MagFace，充分利用角度和模长两个维度信息。不仅能在识别问题是做到更优的性能，还可以利用好模长维度的信息来衡量人脸质量问题，同时更好的类内分布也有利于聚类任务，一举三得。