MGFace：基于掩码门控的条件相似度路由人脸匹配
MGFace是一种创新的掩码门控人脸识别管道，通过预测查询人脸是否佩戴面罩，有条件地路由相似度计算：对未遮挡人脸使用全局嵌入匹配，对戴口罩人脸激活掩码感知的局部区域重排序。该方法在扩展LFW-Mask数据集上，利用FaceNet骨干网络达到80%以上识别准确率，使用ArcFace骨干网络超过90%，相比基于EMD的重排序方法，查询时间减少约20倍。
近年来，人脸识别技术在正常条件下取得了显著的性能。然而，当查询人脸被部分遮挡时，尤其是被口罩遮挡时，其准确率往往会大幅下降。虽然现有的重排序方法通过利用图像块的相似性来提升鲁棒性，但它们通常依赖于成本高昂的细粒度匹配机制，这在大规模检索场景中限制了效率。为了解决这一问题，来自研究团队的论文提出了MGFace（Mask-Gated Face Matching），一种掩码门控的人脸识别管道。
MGFace的核心创新在于引入了掩码门控机制。该机制首先预测查询人脸是否佩戴了口罩，然后根据预测结果有条件地路由相似度计算。具体来说，对于未戴口罩的查询，MGFace直接应用全局嵌入匹配，确保高效处理；对于戴口罩的查询，则激活掩码感知的局部块重排序，专注于可靠的上脸区域（如眼睛和眉毛），同时避免不必要的细粒度计算。这种设计不仅提升了戴口罩人脸识别的准确性，还显著降低了计算开销。
研究团队在扩展的LFW-Mask数据集上进行了实验，使用了两种主流的骨干网络：FaceNet和ArcFace。实验结果显示，使用FaceNet骨干网络时，MGFace的识别准确率超过80%；使用ArcFace骨干网络时，准确率更是超过了90%。与先前基于EMD（Earth Mover's Distance）的重排序方法相比，MGFace不仅实现了更好的识别性能，还将查询时间减少了约20倍。这些结果充分证明了MGFace在低计算开销下有效提升戴口罩人脸识别准确率的能力。
该研究的代码已在GitHub上开源（https://github.com/chequanghuy/MGFace），为学术界和工业界提供了宝贵的资源。MGFace的提出不仅为戴口罩人脸识别提供了一种高效且精准的解决方案，也为未来在遮挡场景下的计算机视觉研究开辟了新的方向。