MGFace：基於掩碼門控的條件相似度路由人臉匹配
MGFace是一種創新的掩碼門控人臉識別管道，通過預測查詢人臉是否佩戴面罩，有條件地路由相似度計算：對未遮擋人臉使用全局嵌入匹配，對戴口罩人臉激活掩碼感知的局部區域重排序。該方法在擴展LFW-Mask數據集上，利用FaceNet骨幹網絡達到80%以上識別準確率，使用ArcFace骨幹網絡超過90%，相比基於EMD的重排序方法，查詢時間減少約20倍。
近年來，人臉識別技術在正常條件下取得了顯著的性能。然而，當查詢人臉被部分遮擋時，尤其是被口罩遮擋時，其準確率往往會大幅下降。雖然現有的重排序方法通過利用圖像塊的相似性來提升魯棒性，但它們通常依賴於成本高昂的細粒度匹配機制，這在大規模檢索場景中限制了效率。為了解決這一問題，來自研究團隊的論文提出了MGFace（Mask-Gated Face Matching），一種掩碼門控的人臉識別管道。
MGFace的核心創新在於引入了掩碼門控機制。該機制首先預測查詢人臉是否佩戴了口罩，然後根據預測結果有條件地路由相似度計算。具體來説，對於未戴口罩的查詢，MGFace直接應用全局嵌入匹配，確保高效處理；對於戴口罩的查詢，則激活掩碼感知的局部塊重排序，專注於可靠的上臉區域（如眼睛和眉毛），同時避免不必要的細粒度計算。這種設計不僅提升了戴口罩人臉識別的準確性，還顯著降低了計算開銷。
研究團隊在擴展的LFW-Mask數據集上進行了實驗，使用了兩種主流的骨幹網絡：FaceNet和ArcFace。實驗結果顯示，使用FaceNet骨幹網絡時，MGFace的識別準確率超過80%；使用ArcFace骨幹網絡時，準確率更是超過了90%。與先前基於EMD（Earth Mover's Distance）的重排序方法相比，MGFace不僅實現了更好的識別性能，還將查詢時間減少了約20倍。這些結果充分證明了MGFace在低計算開銷下有效提升戴口罩人臉識別準確率的能力。
該研究的代碼已在GitHub上開源（https://github.com/chequanghuy/MGFace），為學術界和工業界提供了寶貴的資源。MGFace的提出不僅為戴口罩人臉識別提供了一種高效且精準的解決方案，也為未來在遮擋場景下的計算機視覺研究開闢了新的方向。