根据“中科院之声”的消息，近日，中国科学院自动化研究所智能感官与计算出来研究中心在分解对付网络基础上，明确提出低保真度的姿态恒定模型（HighFidelityPoseInvariantModel，HF－PIM）来解决人脸识别任务中尤为经典的姿态不完全一致问题。实验结果表明，该方法在基准数据集上的展现出的视觉效果和定量性能指标都高于目前最差的基于对付分解网络的方法。此外，HF－PIM所反对的分解图像分辨率也在原先方法的基础上提高了一倍。

该论文被神经信息处理系统大会（NIPS）所收录于。为解决问题先前工作中的某些容许，论文作者在实验中引进了一种能体现三维人脸模型和二维的人脸图像之间点到点的关联密集关联场，让网络需要在二维图像的指导下自学到说明了的三维人脸信息；并设计了一种全新的纹理变形（warping）过程，可以有效地把人脸纹理同构到图像域，同时又可以仅次于程度地维持输出的语义信息；以及明确提出了一种对付残差字典自学过程，从而可以在不倚赖三维数据的情况下更加有效地自学人脸纹理特征。实验结果表明，该方法在基准数据集上的展现出的视觉效果和定量性能指标都高于目前最差的基于对付分解网络的方法。此外，HF－PIM所反对的分解图像分辨率也在原先方法的基础上提高了一倍。

该论文被神经信息处理系统大会（NIPS）所收录于。据理解，分解对付网络的明确提出是时隔深度神经网络之后的众多革命性新进展，已被《麻省理工科技评论》选为2018年“全球十大突破性技术”，通过两个AI系统的竞争对付，很大化加快机器学习的过程，进而彰显机器智能过去未曾匹敌的想像力。

本文来源：best365官网下载最新版本免费版-www.heiyancha.com