Shuffle Transformer with Feature Alignment for Video Face Parsing
Tencent（腾讯）
这是一个简短的技术报告，介绍了TCParser团队在CVPR 2021的第三人称上下文（PIC）研讨会和挑战赛中的短视频人脸解析跟踪解决方案。在本文中，我们介绍了一个强大的骨干，这是基于交叉窗口的Shuffle Transformer，以提供准确的人脸解析表示。为了进一步获得更精细的分割结果，特别是在边缘上，我们引入了特征对齐聚合（FAA）模块。该方法可以有效地缓解多分辨率特征聚合所带来的特征错位问题。得益于更强的主干和更好的特征聚合，该方法在第三人称上下文（PIC）研讨会和挑战赛的短视频人脸解析赛道中获得了86.9519%的分数，排名第一。
2021-06-16 cs.CV
FDLite: A Single Stage Lightweight Face Detector Network
Indian Institute of Technology Guwahati（印度古瓦哈蒂印度理工学院）
本文提出了一种单阶段轻量级人脸检测器FDLite，基于RetinaFace架构设计，仅使用常用损失函数和学习策略。其核心贡献包括设计仅有0.167M参数的定制骨干网络BLite，并采用两个独立多任务损失，最终在WIDER FACE验证集上取得优异检测精度。
2024-06-27 cs.CV
TinaFace: Strong but Simple Baseline for Face Detection
Media Intelligence Technology Co.,Ltd（媒体智能科技有限公司）
人脸检测技术近年来受到了广泛的关注。许多研究从模型结构、数据增强、标签分配等不同角度提出了许多特殊的人脸检测方法，这使得整个算法和系统变得越来越复杂。本文指出，\textbf{there is no gap between face detection and generic object detection} .然后，我们提供了一个强大的，但简单的基线方法来处理人脸检测名为TinaFace。我们使用ResNet-50 \cite{he2016deep}作为骨干，TinaFace中的所有模块和技术都是在现有模块上构建的，易于实现，并且基于通用目标检测。在最受欢迎和最具挑战性的人脸检测基准WIDER FACE \cite{yang2016wider}的硬测试集上，在单模型和单尺度下，我们的TinaFace达到了92.1\%的平均精度（AP），这超过了最近大多数具有较大骨干的人脸检测器。在使用测试时间增强（TTA）后，我们的TinaFace优于当前最先进的方法，达到92.4\%AP。代码将在\url{https://github.com/Media-Smart/vedadet}上提供。
2021-01-22 cs.CV
EXTD: Extremely Tiny Face Detector via Iterative Filter Reuse
Clova AI Research, NAVER Corp.（NAVER公司Clova人工智能研究院）
在本文中，我们提出了一种新的多尺度人脸检测器，具有非常小的参数数（EXTD），小于10万，以及实现与深度重检测器相当的性能。虽然现有的多尺度人脸检测器从单个骨干网络中提取具有不同尺度的特征图，但我们的方法通过迭代地重用共享的轻量级和浅层骨干网络来生成特征图。主干网络的这种迭代共享显着减少了参数的数量，并且还提供了从网络层的较高级到较低级别特征图捕获的抽象图像语义。所提出的想法是采用各种模型架构，并通过广泛的实验进行评估。从WIDER FACE数据集的实验中，我们表明，所提出的人脸检测器可以处理各种规模和条件下的人脸，并取得了与更大规模的人脸检测器，在模型大小和浮点运算上重几百倍和几十倍。
2019-06-23 cs.CV eess.IV
MGFace: Mask-Gated Face Matching via Conditional Similarity Routing
UIT
研究针对口罩遮挡下面部识别准确率下降问题，提出MGFace掩码门控面部识别管道，通过预测掩码状态有条件地路由相似性计算，区分不同情况处理，实验表明其能高效提升准确率，降低查询时间。
2026-07-16 cs.CV
Advancing Cross-Domain Generalizability in Face Anti-Spoofing: Insights, Design, and Metrics
Naver Cloud（Naver云）；Korea University（高丽大学）；Hanbat National University（韩巴国立大学）；Chung-Ang University（中央大学）
针对人脸反欺骗跨域泛化中逐帧准确率与实际不稳定性的差距，提出贝叶斯视角的概率集成骨干网络方法及视频级预测度量，在多数据集上实现偏差、方差、HTER和AUC指标的SOTA提升。
2024-06-18 cs.CV
LFFD: A Light and Fast Face Detector for Edge Devices
Beijing University of Technology（北京工业大学）；Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）
人脸检测作为各种应用的基础技术，通常部署在内存存储有限、计算能力较低的边缘设备上。本文介绍了一种用于边缘设备的轻型快速人脸检测器（LFFD）。所提出的方法是无锚，属于一阶段的范畴。具体而言，我们重新思考的重要性，感受野（RF）和有效感受野（ERF）的背景下的人脸检测。从本质上讲，某一层神经元的RF在输入图像中是规则分布的，这些RF是天然的“锚”。结合RF“锚点”和适当的RF步幅，所提出的方法可以检测到大范围的连续人脸尺度，理论上覆盖率为100%。深入了解ERF和人脸尺度之间的关系，激发了一个有效的骨干一阶段检测。骨干的特点是由八个检测分支和公共层，从而有效的计算。在流行的基准测试程序WIDER FACE和FDDB上进行了全面和广泛的实验。提出了一种面向应用场景的评估模式。在新的模式下，所提出的方法可以实现较高的精度（WIDER FACE Val/Test -- Easy：0.910/0.896，Medium：0.881/0.865，Hard：0.780/0.770; FDDB --间断：0.973，连续：0.724）。采用多种硬件平台来评估系统的运行效率。所提出的方法可以获得快速的推理速度（NVIDIA TITAN Xp：131.45 FPS，640 x480; NVIDIA TX 2：136.99 PFS，160 x120; Raspberry Pi 3 Model B+：8.4…
2019-08-12 cs.CV
Detecting Faces Using Region-based Fully Convolutional Networks
Tencent AI Lab（腾讯人工智能实验室）
基于区域的人脸检测方法已经取得了很大的成功。在本报告中，我们提出了一种基于区域的人脸检测器，以完全卷积的方式应用深度网络，名为Face R-FCN。基于基于区域的全卷积网络（R-FCN），我们的人脸检测器是更准确和计算效率相比，以前的R-CNN的人脸检测器。在我们的方法中，我们采用全卷积残差网络（ResNet）作为骨干网络。特别是，我们采用了几个新的技术，包括位置敏感的平均池，多尺度训练和测试和在线硬例子挖掘策略，以提高检测精度。在两个最流行和最具挑战性的人脸检测基准测试中，FDDB和WIDER FACE，Face R-FCN实现了超越最先进技术的卓越性能。
2017-09-18 cs.CV
EResFD: Rediscovery of the Effectiveness of Standard Convolution for Lightweight Face Detection
NAVER Cloud, ImageVision（NAVER云，图像视觉）；KAIST（韩国科学技术院）；NAVER AI Lab（NAVER人工智能实验室）
本文提出轻量级人脸检测器 EResFD，采用大幅缩减通道的标准卷积 ResNet 骨干并结合新的特征聚合方法，在 WIDER FACE Hard 上以更低 CPU 推理耗时达到 80.4% mAP。
2023-11-02 cs.CV
Exposing Fine-Grained Adversarial Vulnerability of Face Anti-Spoofing Models
University of Chinese Academy of Sciences（中国科学院大学）；CASIA（中国科学院自动化研究所）；SenseTime Research（商汤科技研究院）
针对人脸反欺骗模型对抗脆弱性缺乏细粒度分析的问题，提出含多任务模块与SFA模块的分析框架，引入数据分布先验提升攻击效果，可用于筛选鲁棒组件及对抗训练以增强模型性能。
2023-05-02 cs.CV
Source-Face Authenticity Detection for 3D Gaussian Heads Reconstructed from a Single Portrait: A Benchmark and Dedicated Detector
Shanghai Jiaotong University（上海交通大学）；Ant Group（蚂蚁集团）
针对单张肖像重建的3D高斯头部的源人脸真实性检测问题，构建首个大规模基准并发现现有检测器的局限，提出两阶段训练的专用检测器，在所有指标上实现最高准确率。
2026-08-26 cs.CV
R-FLoRA: Residual-Statistic-Gated Low-Rank Adaptation for Single-Image Face Morphing Attack Detection
SAFE Center, Department of Information Security and Communication Technology, Norwegian University of Science and Technology (NTNU)（安全中心，信息安全与通信技术系，挪威科学技术大学（NTNU））
本文提出一种基于残差统计门控的低秩适应方法，用于检测单图像人脸变形攻击，通过融合特征残差和语义上下文，提升对局部变形伪影的敏感度，并在多个数据集上验证了其检测准确性和跨域泛化能力。
2026-04-19 cs.CV
DAFE-FD: Density Aware Feature Enrichment for Face Detection
Johns Hopkins University（约翰斯·霍普金斯大学）；Department of Electrical and Computer Engineering（电气与计算机工程系）
最近的人脸检测研究主要集中在提高检测较小人脸的准确性上，试图开发新的锚设计策略，以促进锚框和较小尺寸的地面真实人脸之间的重叠增加。在这项工作中，我们的动机是丰富的特征图使用密度图估计模块的小脸检测的问题。该模块受最近的人群计数/密度估计技术的启发，执行估计图像中存在的人/脸的每像素密度的任务。该模块的输出用于在用于检测较小的面部之前使用特征富集模块来强调来自骨干网络的特征图。所提出的方法可以用来补充最近的锚设计为基础的新方法，以进一步改善他们的结果。在WIDER、FDDB和Pascal-Faces等数据集上进行的实验表明了该方法的有效性。
2019-01-16 cs.CV
Robust and High Performance Face Detector
Vimicro AI Chip Technology Corporation（中颖电子AI芯片技术公司）；State Key Laboratory of Digital Multi-media Chip Technolgy（数字多媒体芯片技术国家重点实验室）
近年来，人脸检测在深度卷积神经网络的推动下经历了显著的性能改进。在这份报告中，我们重新实现了最先进的检测器SRN，并应用最近文献中提出的一些技巧来获得一个非常强大的人脸检测器，名为VIM-FD。具体来说，我们利用了更强大的骨干网络，如DenseNet-121，重温了数据增强的基础上提出的数据锚采样PyramidBox，并使用最大进出标签和锚匹配策略SFD。此外，我们亦引入注意力机制，以提供额外的监察。在最流行和最具挑战性的人脸检测基准，即，VIM-FD具有更宽的表面，实现了最先进的性能。
2019-01-06 cs.CV
1st Place Solutions for UG2+ Challenge 2021 -- (Semi-)supervised Face detection in the low light condition
Tomorrow Advancing Life (TAL) Education Group（好未来教育集团）
在这份技术报告中，我们简要介绍了我们的团队“TAL-ai”在CVPR 2021的UG 2+挑战赛中在低光条件下进行（半）监督人脸检测的解决方案。通过对几种常用的图像增强方法和图像变换方法进行实验，将弱光图像和正常图像拉到一个更接近的区域。据观察，使用这些数据进行训练可以获得更好的性能。我们还采用了几种流行的目标检测框架，例如，DetectoRS、Cascade-RCNN和Swin-transformer等大型骨干网。最后，我们集成了几个模型，它们在测试集中达到了mAP 74.89，在最终排行榜上排名第一。
2021-07-02 cs.CV
Exploring Depth Information for Face Manipulation Detection
Fudan University（复旦大学）
由于人脸图像的可靠性和安全性，人脸篡改检测一直受到人们的关注。最近的研究集中在使用辅助信息或先验知识来捕获鲁棒的操作轨迹，这被证明是有前途的。作为重要的人脸特征之一，人脸深度图，这已被证明是有效的，在其他领域，如人脸识别或人脸检测，不幸的是，在文献中很少关注用于检测处理后的人脸图像。在本文中，我们探讨了将人脸深度图作为辅助信息，以解决现实世界中的人脸操作检测问题的可能性。为此，我们首先提出了一个面部深度图Transformer（FDMT）来估计面部深度图补丁补丁从RGB面部图像，这是能够捕捉到的局部深度异常创建由于操纵。然后，估计的面部深度图被认为是辅助信息，使用新设计的多头深度注意（MDA）机制与骨干特征相结合。各种实验表明，我们提出的方法的人脸操纵检测的优势。
2022-12-29 cs.CV
Face Detection with Feature Pyramids and Landmarks
Sertis Vision Lab（Sertis视觉实验室）
准确的人脸检测和人脸标志点定位是人脸识别系统的关键。我们提出了一系列三个单阶段RCNN，具有不同大小的骨干（MobileNetV 2 -25，MobileNetV 2 -100和ResNet 101）和一个专门在WIDER FACE数据集上训练的六层特征金字塔。我们比较了人脸检测和地标的准确性，使用八个上下文模块架构，四个由以前的研究和四个修改后的版本。我们没有发现任何证据表明，所提出的架构显着优于和假设，随机初始化的额外的层至少是同等重要的。为了证明这一点，我们提出了一个模型，该模型在WIDER FACE上实现了接近最先进的性能，并且还提供了具有简单上下文模块的高精度地标。我们还介绍了使用MobileNetV 2主干的结果，该主干在WIDER FACE硬验证集上实现了超过90%的平均精度，同时能够实时运行。通过与其他作者的比较，我们表明，我们的模型超过了类似大小的RCNN的最新技术水平，并与更重的网络的性能相匹配。
2019-12-18 cs.CV cs.LG eess.IV
FA-RPN: Floating Region Proposals for Face Detection
我们提出了一种新的方法来生成区域的建议进行人脸检测。我们采用基于池化的方法来生成区域建议，而不是使用卷积特征图中像素的特征对锚框进行分类。然而，汇集数十万个锚，这些锚被评估用于生成建议，成为推理过程中的计算瓶颈。为此，提出了一种有效的锚放置策略，以减少锚盒的数量。然后，我们表明，我们的网络（浮动锚区域建议网络，FA-RPN）生成的建议是优于RPN生成区域建议的人脸检测。我们讨论了FA-RPN建议的几个有益功能，如迭代细化，分数锚点的放置和更改锚点，这些功能可以在不对训练模型进行任何更改的情况下启用。我们基于FA-RPN的人脸检测器在WIDER数据集上获得了89.4%的mAP，具有ResNet-50骨干。
2018-12-13 cs.CV
YOLO5Face: Why Reinventing a Face Detector
Shenzhen Deepcam Information Technologies（深圳深度相机信息技术公司）；LinkSprite Technologies（凌思创科技公司）
近年来，利用卷积神经网络进行人脸检测取得了巨大的进展。虽然许多人脸检测器使用设计用于检测人脸，我们把人脸检测作为一个通用的目标检测任务。我们实现了一个基于YOLOv5对象检测器的人脸检测器，并称之为YOLO5Face。我们对YOLOv5进行了一些关键修改，并针对人脸检测进行了优化。这些修改包括添加一个五点界标回归头，在主干的输入端使用一个主干块，在SPP中使用较小的内核，以及在PAN块中添加一个P6输出。我们设计了不同模型尺寸的检测器，从超大型模型到超小型模型，以实现最佳性能，以在嵌入式或移动终端上进行实时检测。在WiderFace数据集上的实验结果表明，在VGA图像上，我们的人脸检测器在几乎所有的Easy，Medium和Hard子集上都可以达到最先进的性能，超过了更复杂的指定人脸检测器。代码可在\url{https://github.com/deepcam-cn/yolov5-face}上获得
2022-01-27 cs.CV
Multi-Task Learning for Fatigue Detection and Face Recognition of Drivers via Tree-Style Space-Channel Attention Fusion Network
Huaqiao University（华侨大学）；Key Laboratory of Computer Vision and Machine Learning of Fujian Provincial Universities（福建省高校计算机视觉与机器学习重点实验室）
针对驾驶场景下多单任务模型并行处理相似任务资源浪费的问题，提出树式多任务学习模型，通过共享骨干加空间-通道注意力分支，结合交替更新等技术用单任务数据训练，实现疲劳检测与人脸识别性能提升。
2024-05-13 cs.CV
Revisiting a single-stage method for face detection
Tohoku University（东北大学）；Laboro.AI Inc.（Laboro.AI公司）
虽然准确，两阶段人脸检测器通常需要更多的推理时间比单阶段检测器。本文提出了一种简单而有效的单阶段模型，用于实时人脸检测，具有显着的高精度。我们在ResNet-101主干上构建了单阶段模型，并分析了基线单阶段检测器的一些问题，以便设计几种降低误报率的策略。该设计利用来自更深层的上下文信息，以提高召回率，同时保持低误报率。此外，我们减少了检测时间，通过改进的推理过程解码输出更快。使用Titan X GPU时，VGA（$640{\times}480$）图像的推理时间仅为约26 ms。我们所提出的方法的有效性进行了评估的几个人脸检测基准（宽脸，AFW，Pascal脸，FDDB）。实验表明，我们的方法在这些流行的数据集上取得了有竞争力的结果，运行时间比目前最好的两阶段实践更快。
2019-02-05 cs.CV
Sample and Computation Redistribution for Efficient Face Detection
Imperial College（帝国理工学院）；InsightFace
尽管在非受控人脸检测方面已经取得了巨大的进步，但具有低计算成本以及高精度的高效人脸检测仍然是一个公开的挑战。本文指出，训练数据的采样和计算量的分配策略是高效准确地进行人脸检测的关键。基于这些观察结果，我们介绍了两种简单但有效的方法：（1）样本重新分配（SR），它基于基准数据集的统计数据为最需要的阶段增加训练样本;（2）计算重新分配（CR），它基于精心定义的搜索方法在模型的主干，颈部和头部之间重新分配计算。在WIDER FACE上进行的大量实验证明了所提出的\scrfd系列在广泛的计算范围内的最先进的效率-精度权衡。特别是，\scrfdf{34}通过$3.86\%$（硬置AP）优于最佳竞争对手TinaFace，同时在具有VGA分辨率图像的GPU上超过\emph{3$\times$ faster}。我们还发布了我们的代码，以方便未来的研究。
2021-05-10 cs.CV
ACFD: Asymmetric Cartoon Face Detector
Tencent（腾讯）；Southeast University（东南大学）
卡通人脸检测是一个比人脸检测更具挑战性的任务，因为它涉及到许多困难的场景。针对卡通人脸内部差异大的特点，提出了一种非对称卡通人脸检测器ACFD。具体来说，它包括以下模块：一个新的骨干VoVNetV 3由几个不对称的一次性聚合模块（AOSA），不对称的双向特征金字塔网络（ABi-FPN），动态锚匹配策略（DAM）和相应的边缘二进制分类损失（MBC）。特别是，为了生成具有不同感受野的特征，VoVNetV 3提取多尺度金字塔特征，然后通过ABi-FPN同时融合和增强，以处理处于某些极端姿势的面部，并具有不同的长宽比。此外，DAM用于为每个面孔匹配足够的高质量锚点，MBC用于强大的辨别力。凭借这些模块的有效性，我们的ACFD在2020年iCartoon Face Challenge的检测轨道上获得了第一名，模型大小为200 MB，推理时间为50 ms/图像，并且没有任何预训练模型。
2020-07-02 cs.CV
Improved Selective Refinement Network for Face Detection
JD AI Research（京东人工智能研究院）；CBSR & NLPR, Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所模式识别国家重点实验室与生物识别与安全技术研究中心）
人脸检测作为计算机视觉中的一个长期存在的问题，由于其实际应用的重要性，近几十年来受到了广泛的关注。随着人脸检测基准WIDER FACE数据集的出现，近年来各种算法取得了很大的进展。其中，选择性细化网络（SRN）人脸检测器将两步分类和回归操作选择性地引入到基于锚的人脸检测器中，以减少误报并同时提高定位精度。此外，设计了一个感受野增强模块，以提供更多样化的感受野。在这份报告中，为了进一步提高SRN的性能，我们利用了一些现有的技术，通过广泛的实验，包括新的数据增强策略，改进的骨干网络，MS COCO预训练，解耦分类模块，分割分支和挤压和激励块。其中一些技术带来了性能改进，而其中很少有技术不能很好地适应我们的基线。因此，我们提出了一个改进的SRN人脸检测器，结合这些有用的技术在一起，并获得广泛使用的人脸检测基准WIDER FACE数据集上的最佳性能。
2019-01-30 cs.CV
Benchmarking CLIP for Zero-Shot Face and Periocular Gender Estimation
Halmstad University（哈尔姆斯塔德大学）；University of Balearic Islands（巴利阿里群岛大学）
本研究评估CLIP在零样本全脸和眼周性别估计中的性能，发现全脸准确率高，眼周存在性别偏差，通过阈值对齐和线性SVM可部分改善，但仍逊于全脸表现。
2026-10-06 cs.CV
RetinaFace: Single-stage Dense Face Localisation in the Wild
Imperial College London（伦敦帝国学院）；InsightFace；Middlesex University London（伦敦密德萨斯大学）；FaceSoft
虽然在不受控制的人脸检测方面取得了巨大的进步，但在野外准确有效的人脸定位仍然是一个公开的挑战。本文提出了一种鲁棒的单阶段人脸检测器，名为RetinaFace，它通过联合额外监督和自监督多任务学习的优势，在各种尺度的人脸上进行像素级人脸定位。具体而言，我们在以下五个方面做出了贡献：（1）我们在WIDER FACE数据集上手动注释了五个面部标志，并观察到在这个额外的监督信号的帮助下，硬脸检测的显着改善。(2)我们进一步添加了一个自监督网格解码器分支，用于与现有的监督分支并行预测像素级3D形状人脸信息。(3)在WIDER FACE硬测试集上，RetinaFace的表现优于最先进的平均精度（AP）1.1%（实现AP等于91.4%）。(4)在IJB-C测试集上，RetinaFace使最先进的方法（ArcFace）能够改善其面部验证结果（对于FAR= 1 e-6，TAR=89.59%）。(5)通过采用轻量级骨干网络，RetinaFace可以在单个CPU核心上实时运行VGA分辨率的图像。额外的注释和代码可在https://github.com/deepinsight/insightface/tree/master/RetinaFace上获得。
2019-05-04 cs.CV
Multi-Branch Fully Convolutional Network for Face Detection
KAUST（阿卜杜拉国王科技大学）
人脸检测是计算机视觉中的一个基本问题。在无约束条件下，由于尺度、姿态、表情和遮挡的显著变化，这仍然是一项具有挑战性的任务。在本文中，我们提出了一个多分支全卷积网络（MB-FCN）的人脸检测，它考虑了效率和有效性的设计过程。我们的MB-FCN检测器可以处理所有尺度范围的人脸，只需通过主干网络一次。因此，我们的MB-FCN模型节省了计算，因此与以前进行多次传递的方法相比更有效。对于每个分支，利用不同层的卷积特征图的特定跳过连接来表示特定尺度范围内的面部。具体来说，小脸可以用浅细粒度和深有力的粗特征来表示。有了这种表示，优越的性能改善注册的任务，检测小脸。我们测试我们的MB-FCN检测器在两个公共人脸检测基准，包括FDDB和WIDER FACE。大量的实验表明，我们的检测器在所有这些数据集上的性能都优于最先进的方法，并且在其中最具挑战性的数据集上（例如，WIDER FACE Hard子集）有很大的优势。此外，MB-FCN在GPU上以15 FPS的速度运行640 x 480大小的图像，没有对最小可检测人脸大小的假设。
2017-07-20 cs.CV
MoE-FFD: Mixture of Experts for Generalized and Parameter-Efficient Face Forgery Detection
Rapid-Rich Object Search (ROSE) Lab, School of Electrical and Electronic Engineering, Nanyang Technology University（快速丰富目标搜索（ROSE）实验室，电气与电子工程学院，南洋理工大学）；School of Computing and Artificial Intelligence, Jiangxi University of Finance and Economics（计算机与人工智能学院，江西财经大学）；Department of Electrical and Engineering, City University of Hong Kong（电气与工程系，香港城市大学）；Department of Computer Science and Computing, Zhejiang University City College（计算机科学与计算系，浙江工业大学城市学院）；Department of Computer Science, City University of Hong Kong（计算机科学系，香港城市大学）
针对基于ViT的人脸伪造检测方法存在的全微调资源消耗大、局部线索捕捉弱、泛化性有限等问题，提出MoE-FFD，通过冻结ViT骨干、更新轻量级LoRA和适配器层，结合Transformer表达能力与CNN局部先验，设计MoE模块，实现参数高效且泛化性强的最先进检测性能。
2025-08-20 cs.CV
ASFD: Automatic and Scalable Face Detector
Tencent Youtu Lab（腾讯优图实验室）；Southeast University（东南大学）
与当前基于多尺度的检测器一起，特征聚合和增强（FAE）模块已经显示出用于尖端目标检测的优异性能增益。然而，这些手工制作的FAE模块在人脸检测方面表现出不一致的改进，这主要是由于其训练和应用语料库之间的显著分布差异，COCO与WIDER Face。为了解决这个问题，我们从根本上分析了数据分布的影响，并因此提出了搜索一个有效的FAE架构，称为AutoFAE的微分架构搜索，它优于所有现有的FAE模块在人脸检测有相当大的利润。在找到的AutoFAE和现有的骨干上，进一步构建和训练超网，该超网自动获得不同复杂度约束下的检测器族。广泛的实验进行流行的基准，WIDER脸和FDDB，展示了国家的最先进的性能效率的权衡所提出的自动和可扩展的人脸检测器（ASFD）的家庭。特别是，我们强大的ASFD-D 6在WIDER Face测试中优于AP 96.7/96.2/92.1的最佳竞争对手，而轻量级的ASFD-D 0在V100 GPU上的VGA分辨率图像成本约为3.1 ms，超过320 FPS。
2022-01-26 cs.CV
Adversarial Training for Face Recognition Systems using Contrastive Adversarial Learning and Triplet Loss Fine-tuning
UCF（中佛罗里达大学）
虽然在提高面部识别系统的对抗鲁棒性方面已经做了很多工作，但令人惊讶的是，其中很小一部分集中在自我监督方法上。在这项工作中，我们提出了一种将对抗性预训练与三重损失对抗性微调相结合的方法。我们将我们的方法与预先训练的ResNet50模型进行了比较，该模型构成了FaceNet的主干，并在我们的CelebA数据集上进行了微调。通过比较没有对抗训练的对抗鲁棒性，与三重损失对抗训练，以及我们的对比预训练与三重损失对抗微调相结合，我们发现我们的方法在微调过程中需要更少的时期，取得了相当的结果。这看起来很有希望，增加微调的训练时间应该会产生更好的结果。除此之外，还进行了一个改进的半监督实验，该实验证明了通过引入少量标签来改进对比对抗训练。
2021-10-09 cs.CV
MobileFAN: Transferring Deep Hidden Representation for Face Alignment
Griffith University（格里菲斯大学）；The University of Adelaide（阿德莱德大学）；Wuhan University of Technology（武汉理工大学）
人脸特征点检测是人脸分析应用的重要前提。基于深度学习的方法目前主导着解决面部特征点检测的方法。然而，这样的作品通常引入大量的参数，导致高存储器成本。在本文中，我们的目标是一个轻量级的，以及有效的解决方案，面部标志检测。为此，我们提出了一个有效的轻量级模型，即移动人脸对齐网络（MobileFAN），使用一个简单的骨干MobileNetV2作为编码器和三个解卷积层作为解码器。所提出的MobileFAN，只有8%的模型大小和较低的计算成本，实现了优越的或等效的性能相比，国家的最先进的模型。此外，通过特征对齐蒸馏和特征相似性蒸馏，将人脸图的几何结构信息从大型复杂模型转移到我们提出的MobileFAN中，进一步提高了MobileFAN在人脸对齐方面的有效性和效率。在三个具有挑战性的面部标志点估计基准测试（包括COFW，300W和WFLW）上的大量实验结果显示了我们提出的MobileFAN对最先进方法的优越性。
2019-11-20 cs.CV
Privacy-friendly Synthetic Data for the Development of Face Morphing Attack Detectors
Fraunhofer Institute for Computer Graphics Research IGD（弗劳恩霍夫计算机图形学研究所）；TU Darmstadt（达姆施塔特工业大学）；KU Leuven（荷语鲁汶大学）
本文主要研究的问题是：“基于合成数据的变形攻击检测（MAD）解决方案能否成功开发？".为此，这项工作介绍了第一个基于合成的MAD开发数据集，即合成变形攻击检测开发数据集（SMDD）。该数据集被成功地用于训练三个MAD骨干，即使在完全未知的攻击类型上，它也被证明能够带来高MAD性能。此外，这项工作的一个重要方面是对使用和共享真实生物特征数据的挑战进行详细的法律分析，这使得我们提出的SMDD数据集非常重要。SMDD数据集由30，000个攻击样本和50，000个真实样本组成，可公开用于研究目的。
2022-04-19 cs.CV
Learning Second Order Local Anomaly for General Face Forgery Detection
Nanjing University of Information Science and Technology（南京信息工程大学）；Jinan University（暨南大学）；Nanjing University（南京大学）
在这项工作中，我们提出了一种新的方法来提高基于CNN的人脸伪造检测器的泛化能力。该方法考虑了人脸伪造算法中常见的混合操作所导致的伪造人脸特征异常。具体来说，我们提出了一个弱监督的二阶局部异常（SOLA）学习模块，使用深度特征映射挖掘局部区域中的异常。SOLA算法首先将局部特征的邻域按不同的方向和距离进行分解，然后计算一阶和二阶局部异常图，为分类器提供更一般的伪造痕迹。我们还提出了一个本地增强模块（LEM），以提高真实区域和伪造区域的局部特征之间的区别，以确保计算异常的准确性。此外，引入了一种改进的自适应空间丰富模型（ASRM），通过可学习的高通滤波器来帮助挖掘细微的噪声特征。既没有像素级注释，也没有外部合成数据，我们的方法使用一个简单的ResNet18骨干实现了竞争力的表现相比，国家的最先进的作品时，评估看不见的森林。
2022-09-30 cs.CV
Exploring Depth Information for Detecting Manipulated Face Videos
Fudan University（复旦大学）；Shanghai Information Security Testing Evaluation and Certification Center（上海信息安全测试评估认证中心）
针对人脸伪造检测，本文提出利用人脸深度图作为辅助信息，设计FDMT逐块估计深度图、MDA融合特征、RDIA捕捉帧间不一致，实验证明方法有效。
2024-11-27 cs.CV
Multi-Scale Wavelet Transformer for Face Forgery Detection
Hikvision Research Institute（海康威视研究院）
目前，许多人脸伪造检测方法聚合空间和频率特征，以提高泛化能力，并在跨数据集的情况下获得有前途的性能。然而，这些方法只利用一个层次的频率信息，这限制了它们的表达能力。为了克服这些局限性，我们提出了一个多尺度小波Transformer框架的人脸伪造检测。具体地说，为了充分利用多尺度和多频率小波表示，我们逐步聚合骨干网络的不同阶段的多尺度小波表示。为了更好地融合频率特征和空间特征，设计了基于频率的空间注意力，引导空间特征提取器更多地关注伪造痕迹。同时，提出了跨通道注意力来融合频率特征和空间特征。这两个注意力模块通过统一的Transformer块进行计算，以提高效率。大量的实验表明，该方法是有效的和有效的内和跨数据集。
2022-10-08 cs.CV
Towards Fast, Accurate and Stable 3D Dense Face Alignment
Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Beihang University（北京航空航天大学）；Westlake University（西湖大学）
现有的三维密集人脸对齐方法主要集中在精度上，限制了其实际应用范围。在本文中，我们提出了一种新的回归框架命名为3DDFA-V2，它使得速度，准确性和稳定性之间的平衡。首先，在轻量级骨干网的基础上，我们提出了一种元联合优化策略，动态回归一组小的3DMM参数，这大大提高了速度和准确性的同时。为了进一步提高视频的稳定性，我们提出了一种虚拟合成的方法，将一个静止的图像转换成一个短视频，其中包括面内和面外的人脸移动。在高精度和稳定性的前提下，3DDFA-V2在单个CPU核心上运行超过50 fps，同时优于其他最先进的重型型号。在几个具有挑战性的数据集上的实验验证了我们的方法的有效性。预先训练的模型和代码可在https://github.com/cleardusk/3DDFA_V2上获得。
2021-02-07 cs.CV
FADRA: Frequency-Aware Diffusion with Residual Adaptation for Video Face Restoration
United Arab Emirates University (UAEU)（阿联酋大学）；Ocean University of China (OUC)（中国海洋大学）；Mohamed bin Zayed University of Artificial Intelligence (MBZUAI)（穆罕默德·本·扎耶德人工智能大学）
研究针对视频人脸识别在复杂退化下难以平衡空间保真度和时间连贯性的问题，提出FADRA框架，利用预训练模型的时间一致性，通过LoRA适配器、重复残差自适应头及频率感知损失等实现，实验证明其在恢复面部结构和保持时间一致性上优于现有方法。
2026-10-16 cs.CV
A Comparative Analysis of the Face Recognition Methods in Video Surveillance Scenarios
Havelsan Inc.（哈维尔桑公司）
面部识别是在实时应用中运行的各种安全系统的基础。在基于视频监控的人脸识别中，人脸图像通常在不受控制的条件下在多个帧上捕获;其中头部姿势、照明、阴影、运动模糊和焦点在序列上变化。我们可以概括为三个基本的操作涉及到人脸识别任务：人脸检测，人脸对齐和人脸识别。本研究通过使用相同的主干架构测试最先进的人脸识别方法，从而提供了比较基准表，以便仅关注人脸识别解决方案而不是网络架构。为此，我们构建了一个具有高年龄方差、类内方差（面部化妆、胡须等）的人脸ID视频监控数据集。与本地监控面部图像数据进行评估。另一方面，这项工作发现了不同条件下的最佳识别方法，如非蒙面脸，蒙面脸和戴眼镜的脸。
2022-11-05 cs.AI cs.CV
Fast Eye Detector Using Siamese Network for NIR Partial Face Images
NEC Corporation（日本电气股份有限公司）；University of Tsukuba（筑波大学）
针对近红外（NIR）人脸局部图像，提出了一种基于Siamese网络的快速人眼检测方法。NIR部分面部图像不包括对象的整个面部，因为它们是使用虹膜识别系统在帧速率和分辨率的约束下捕获的。虹膜识别系统，如移动虹膜（IOTM）系统，需要快速和准确的眼睛检测作为预处理。我们的目标是设计一种具有高速度、高左右眼分辨性能和高眼中心位置精度的眼睛检测。我们的方法采用了一个连体网络和粗到细的位置估计与快速轻量级CNN骨干。该网络输出图像的特征和指示眼睛的粗略位置的相似性图。对具有高相似性的特征的一部分的回归细化眼睛的粗略位置以获得具有高精度的精细位置。我们证明了所提出的方法的有效性，通过比较它与传统的方法，包括SOTA，在位置精度，歧视的性能，和处理速度。我们的方法在速度上取得了优异的性能。
2023-01-04 cs.CV
RefineFace: Refinement Neural Network for High Performance Face Detection
Center for Biometrics and Security Research (CBSR)（生物识别与安全研究中心）；National Laboratory of Pattern Recognition (NLPR)（模式识别国家重点实验室）；University of Chinese Academy of Sciences (UCAS)（中国科学院大学）
人脸检测技术近年来取得了长足的进步。然而，高性能的人脸检测仍然是一个非常具有挑战性的问题，特别是当存在许多微小的人脸。在本文中，我们提出了一个单镜头细化人脸检测器，即RefineFace，以实现高性能。具体来说，它由五个模块组成：选择性两步回归（STR），选择性两步分类（STC），尺度感知边际损失（SML），特征监督模块（FSM）和感受场增强（RFE）。为了增强回归能力以获得高定位精度，STR粗略地调整来自高级别检测层的锚的位置和大小，以便为后续回归器提供更好的初始化。为了提高分类能力，提高查全率，STC首先从低层检测层中过滤掉大多数简单的否定项，以减少后续分类器的搜索空间，然后应用SML在不同尺度下更好地区分人脸和背景，并引入有限状态机（FSM）让主干学习更多的判别特征用于分类。此外，RFE提供了更多样化的感受野，以更好地捕捉一些极端姿态的人脸。在WIDER FACE，AFW，PASCAL Face，FDDB，MAFA上进行的大量实验表明，我们的方法达到了最先进的结果，并在$37.3$ FPS下运行ResNet-18用于VGA分辨率图像。
2019-09-10 cs.CV
DVFace: Spatio-Temporal Dual-Prior Diffusion for Video Face Restoration
Shanghai Jiaotong University（上海交通大学）
本文提出DVFace，一种单步扩散框架，通过时空双代码本设计提取互补的空间和时间面部先验，提升视频面部修复的质量、时间一致性和身份保持。
2026-11-11 cs.CV
Learning Unified Video and Image Representation for Video Face Forgery Detection
针对部分伪造视频检测难题，提出UVIF框架，通过统一编码器、伪标注及特征对齐策略联合建模视频与图像，检测性能优于现有最优方法且无额外计算开销。
2026-08-14 cs.CV
ViTransPAD: Video Transformer using convolution and self-attention for Face Presentation Attack Detection
University of La Rochelle（拉罗谢尔大学）；University of Oulu（奥卢大学）；Hanoi University of Science and Technology（河内科技大学）
人脸呈现攻击检测（PAD）是人脸生物识别系统防范欺骗攻击的重要手段。许多基于卷积神经网络（CNN）的人脸PAD工作将问题表述为图像级二进制分类任务，而不考虑上下文。另外，视觉Transformer（ViT）使用自我注意力来关注图像的上下文，成为人脸PAD的主流。受ViT的启发，本文提出了一种基于视频的具有短/长距离时空注意力的人脸PAD的Transformer（ViTransPAD）算法，该算法不仅可以在短时间内关注局部细节，还可以捕获长距离的帧间依赖关系。我们提出了多尺度多头自注意（MsMHSA）架构，以适应Q，K，V特征映射到Transformer头部的多尺度补丁分区，而不是使用单一尺度的粗图像补丁在ViT中，这使得能够学习细粒度的表示来执行像素级的人脸PAD的歧视。由于纯Transformers中卷积缺乏感性偏差，我们还将卷积引入到所提出的ViTransPAD中，通过使用卷积补丁嵌入和卷积投影来集成CNN的理想特性。大量的实验表明，我们提出的ViTransPAD具有较好的准确性和计算平衡的有效性，它可以作为一个新的骨干面PAD。
2022-03-14 cs.CV
Partial Attack Supervision and Regional Weighted Inference for Masked Face Presentation Attack Detection
Fraunhofer Institute for Computer Graphics Research IGD（弗劳恩霍夫计算机图形研究所）；TU Darmstadt（达姆施塔特工业大学）
戴口罩已被证明是预防SARS-CoV-2冠状病毒传播的最有效方法之一。然而，戴口罩提出了不同的人脸识别任务的挑战，并提出了蒙面人脸呈现检测（PAD）的性能的关注。面具脸PAD面临的主要问题是错误分类的真实面具脸和错误分类的部分攻击（被真实面具覆盖）。这项工作通过提出一种方法来解决这些问题，该方法考虑部分攻击标签来监督PAD模型训练，以及区域加权推理，通过改变对不同面部区域的关注来进一步提高PAD性能。我们提出的方法不直接与特定的网络架构相关联，因此可以直接纳入任何常见或定制设计的网络。在我们的工作中，两个神经网络（DeepPixBis和MixFaceNet）被选为骨干。在协作真实掩码攻击（CRMA）数据库上进行了实验。我们提出的方法优于建立PAD方法在CRMA数据库中，减少了上述缺点时，面对蒙面的脸。此外，我们提出了一个详细的逐步消融研究，指出个人和共同的好处，提出的概念对整体PAD的性能。
2021-11-08 cs.CV
Unified Face Matching and Physical-Digital Spoofing Attack Detection
Dept. of Computer Science and Engineering, University of North Texas at Denton, USA（计算机科学与工程系，北德顿大学）
本文提出基于Swin Transformer与HiLo注意力的统一模型，同时实现人脸识别和物理/数字欺骗攻击检测，并通过模拟欺骗线索的增强技术提升鲁棒性。
2025-01-16 cs.CV
Collaborative Face Experts Fusion in Video Generation: Boosting Identity Consistency Across Large Face Poses
Shanghai Jiao Tong University（上海交通大学）；Tencent Youtu Lab（腾讯优图实验室）；National University of Singapore（新加坡国立大学）
本文提出协作面部专家融合方法，通过动态融合身份、语义和细节专家信号，提升大姿态下视频生成的身份一致性，并构建了大规模姿态标注数据集。
2025-12-05 cs.CV
An Improved Lightweight YOLOv5 Model Based on Attention Mechanism for Face Mask Detection
Northwestern Polytechnical University（西北工业大学）；University of Leeds（利兹大学）；SiChuan University（四川大学）
2019冠状病毒给全球社会稳定和公共卫生带来了严峻挑战。控制疫情的一个有效方法是要求人们在公共场所佩戴口罩，并利用合适的自动检测器监测口罩佩戴状态。然而，现有的基于深度学习的模型难以同时实现高精度和实时性能的要求。为了解决这个问题，我们提出了一种改进的轻量级人脸面具检测器的基础上YOLOv 5，它可以实现一个很好的平衡精度和速度。首先，提出了一种结合ShuffleNetV 2网络和协调注意力机制的骨干ShuffleCANet。之后，一个有效的路径侵略网络BiFPN被应用作为特征融合颈。此外，在模型训练阶段用alpha-CIoU代替定位损失，以获得更高质量的锚点。一些有价值的策略，如数据增强，自适应图像缩放，和锚集群操作也被利用。在AIZOO人脸模板数据集上的实验结果表明了该模型的优越性。与原始YOLOv 5相比，该模型的推理速度提高了28.3%，而精度仍提高了0.58%。与现有的其他7个模型相比，它达到了最好的平均精度95.2%，比基线高4.4%。
2022-09-11 cs.CV cs.LG
CLIP-FTI: Fine-Grained Face Template Inversion via CLIP-Driven Attribute Conditioning
CLIP-FTI通过CLIP驱动的属性条件化实现细粒度面部模板逆向，提升识别准确性和属性相似性，增强跨模型攻击的可转移性。
2025-12-17 cs.CV
LOTR: Face Landmark Localization Using Localization Transformer
Sertis Vision Lab（瑟蒂斯视觉实验室）；QIS Capital（QIS资本）；Chulalongkorn University（朱拉隆功大学）
提出了一种基于Transformer的人脸标志点定位网络Localization Transformer（LOTR）。建议的框架是一个直接的坐标回归方法，利用Transformer网络，以更好地利用空间信息的功能地图。LOTR模型由三个主要模块组成：1）将输入图像转换为特征图的视觉主干，2）改进来自视觉主干的特征表示的Transformer模块，以及3）直接从Transformer的表示预测地标坐标的地标预测头。给定裁剪和对齐的人脸图像，所提出的LOTR可以进行端到端的训练，而不需要任何后处理步骤。本文还介绍了平滑翼损失函数，它解决了梯度不连续的翼损失，导致更好的收敛比标准的损失函数，如L1，L2，和翼损失。在106点面部地标定位的第一次大挑战提供的JD地标数据集上的实验结果表明，LOTR优于排行榜上的现有方法和最近两种基于热图的方法。在WFLW数据集上，与几种最先进的方法相比，所提出的LOTR框架显示出有希望的结果。此外，我们报告了使用我们提出的LOTR进行人脸对齐时，最先进的人脸识别性能的改善。
2022-02-22 cs.AI cs.CV cs.LG
CSANet: Channel Spatial Attention Network for Robust 3D Face Alignment and Reconstruction
Carnegie Mellon University（卡内基梅隆大学）；Mount-Sheikh University（谢赫山大学）
本文提出端到端3D人脸对齐与重建网络CSANet，通过深度可分离卷积、注意力机制及联合损失函数提取特征并优化训练，在定性与定量上均优于所有基线模型。
2024-05-30 cs.CV eess.IV
Fine-Grained DINO Tuning with Dual Supervision for Face Forgery Detection
针对现有DINOv2微调方法忽略不同深度伪造差异化痕迹的问题，本文提出DFF-Adapter，通过双监督多任务协同优化，仅用3.5M可训练参数实现了媲美甚至超越现有SOTA的人脸伪造检测精度。
2025-11-15 cs.CV
Deep Entwined Learning Head Pose and Face Alignment Inside an Attentional Cascade with Doubly-Conditional fusion
Datakalab；LIP6, Sorbonne Université, CNRS（索邦大学CNRS LIP6实验室）；ISIR, Sorbonne Université, CNRS（索邦大学CNRS智能与机器人系统研究所）
头部姿态估计和面部对齐构成了许多依赖于面部分析的应用的骨干预处理。虽然两者都是密切相关的任务，但它们通常被单独解决，例如通过从地标位置推断头部姿势。在本文中，我们提出了一个注意级联内的面部对齐和头部姿势的任务。该级联使用几何传输网络来集成异构注释，以提高地标定位精度。此外，我们提出了一个双条件融合方案，以选择相关的特征图，其区域，基于当前的头部姿势和地标定位估计。我们的经验表明，在我们的架构内缠绕头部姿势和地标定位目标的好处，并建议AC-DC模型提高了国家的最先进的精度在多个数据库的人脸对齐和头部姿势估计任务。
2020-04-14 cs.CV cs.LG
DTI: Dynamic Trajectory Initialization for Generative Face Video Super-Resolution
提出动态轨迹初始化范式，将生成式人脸视频超分辨率重构为输入驱动的定向恢复，通过增强注入条件机制和判别性引导实现保真度与感知质量的平衡，达到SOTA性能。
2026-06-28 cs.CV
Beyond Trade-off: Accelerate FCN-based Face Detector with Higher Accuracy
Beihang University（北京航空航天大学）；The Chinese University of Hong Kong（香港中文大学）；Sensetime Group Limited（商汤集团有限公司）
全卷积神经网络（FCN）凭借其具有共享核的滑动窗口搜索的先天能力，简化了所有冗余计算，在人脸检测任务中占据主导地位，最近的最先进方法，如Faster-RCNN，SSD，YOLO和FPN，都使用FCN作为其骨干。所以这里有一个问题：我们能否找到一种通用的策略，以更高的精度进一步加速FCN，从而加速所有最近基于FCN的方法？为了分析这一点，我们将人脸搜索空间分解为两个正交方向，“尺度”和“空间”。在由两个基向量扩展的空间中，只有少数坐标指示前景。因此，如果FCN可以忽略大多数其他点，搜索空间和虚警应该大大减少。基于这一思想，提出了一种新的方法，称为规模估计和空间注意力建议（$S^2AP$）关注的图像金字塔中的一些特定的尺度和有效的位置。此外，我们采用了基于注意力结果的掩蔽卷积运算来加速FCN计算。实验表明，在$S^2AP$和masked-FCN的帮助下，基于FCN的方法RPN可以加速约$4\times$，同时在FDDB、AFW和MALF人脸检测基准上也达到了最新水平。
2018-06-02 cs.CV
