北京大学刘家瑛副教授团队发表于CVPR-2021的文章HLA-Face: Joint High-Low Adaptation for Low Light Face Detection。该项工作入选了北京大学王选计算机研究所2021年度优秀成果。并在在中国图象图形学报首届研究生论坛中荣获一等奖（https://www.bilibili.com/video/BV1ch411J7M7）。

Project: https://daooshee.github.io/HLA-Face-Website

Code: https://github.com/daooshee/HLA-Face-Code

该工作探索了如何在不借助低光标注的条件下学习人脸检测器，提出充分利用现有的正常光照标注数据，将人脸探测器从正常光照迁移至低光照。此任务的难点在于，正常光照域与低光照域之间的差异同时包含像素级和语义级，与常见的域差异相比更加复杂。对此，本项工作提出了一个多层视觉联合迁移的框架HLA-Face，设计了双向底层视觉迁移和多任务高层视觉迁移。在底层视觉层面，同时对低光数据进行提亮和对正常光照数据进行降质，使这两个域相互靠近。在高层视觉层面，采用了跨域和域内的自监督学习，不仅缩小了多个域之间的差距，并且进一步加强了视觉表征。实验表明，在不使用低光人脸标注的情况下，所提出的HLA-Face模型相比于现有检测算法获得了更加优异的性能。

更多详情可至微信公众号“北京大学王选计算机研究所”进一步了解。

文章地址：https://mp.weixin.qq.com/s/9O6Kc63ZgSj8eTHd2AGt1A

内容中包含的图片若涉及版权问题，请及时与我们联系删除