CVPR人脸识别梳理

1：Feature Transfer Learning for Face Recognition with Under-Represented Data 

基于数据不足的数据集通过特征迁移学习人脸识别。

 

2：Disentangled Representation Learning for 3D Face Shape

将3D的人脸形状分解成认证部分（identity part）和表示部分（expression）

 

3: AdaptiveFace: Adaptive Margin and Sampling for Face Recognition     

自适应的margin softmax loss算法，用于处理人脸数据集不均衡问题

 

4：Low-Rank Laplacian-Uniform Mixed Model for Robust Face Recognition

解决人脸图像会因为遮挡，损坏等问题不能被正确识别的问题

 

5：Attribute-aware Face Aging with Wavelet-based Generative Adversarial Networks

用wavelet-based gan优化年轻人脸和年老人脸的匹配模糊问题。

 

6：Noise-Tolerant Paradigm for Training Face Recognition CNNs

大规模人脸数据集中难免会出现某些图片的标签标错了，标错了的数据集用于训练明显会有负面影响，但是如果查找数据集一张一张改正过来是非常耗时耗力的一件工作，本文解决这个问题。

 

7：Expressive Body Capture: 3D Hands, Face, and Body from a Single Image

单张人体的三维重建，里面又Pytorch源码，数据，（没找到代码）

 

8: Monocular Total Capture: Posing Face, Body, and Hands in the Wild

和7 功能上基本上差不多。

 

9：Boosting Local Shape Matching for Dense 3D Face Correspondence

两张人脸模型匹配

 

10：Combining 3D Morphable Models: A Large scale Face-and-Head Model

不懂

 

1