arXiv cs.AI· Zixuan Shen, Zhihua Xia, Kaikai Gan, Peipeng Yu·· 14 小时前AI 评分31
GMoE-FTI：采用真正 MoE 机制的通用人脸模板反演方法
GMoE-FTI: A Universal Facial Template Inversion Method Adopting Genuine Mixture-of-Experts Mechanism
AI 导读
研究者提出通用人脸模板反演框架 GMoE-FTI，采用真正的 MoE 机制而非负载均衡多分支方案，可从五类分布各异的人脸模板重建身份一致的人脸。该方法分三阶段训练：先独立训练五个映射专家（ME）与匹配模块（MM），再协同推理生成兼容 StyleGAN3 的统一隐码，最后端到端联合微调。
正文 · AI 翻译
摘要：人脸识别系统已广泛部署于日常场景中。为保护用户隐私，主流系统存储的是人脸模板而非原始人脸图像，用于身份验证。然而，人脸模板反演（FTI）技术能够从模板重建人脸，从而危及生物特征隐私。现有 FTI 方法仅能拟合单一类型的模板，无法从未见过的模板类型重建身份一致的人脸。为应对这一局限，我们调研了主流模板提取器，并根据模板分布将其分为五类：单位球面、角度线性、严格单位球面、锥形、非均匀超球面。受此观察启发，本文提出 GMoE-FTI，一个由真正的 MoE 机制驱动的通用 FTI 框架，有别于负载均衡的多分支替代方案。它遵循三阶段训练策略：（1）独立训练五个映射专家（ME）和一个匹配模块（MM）；（2）通过用 MM 的输出对每个 ME 的输出加权进行协同推理，从而生成与预训练 StyleGAN3 兼容的统一潜在编码；（3）对所有模块进行端到端联合微调，以实现身份一致性并提升跨专家协调能力。在 LFW 基准上的大量评估验证了 GMoE-FTI 相对于 SOTA 方法的优越性。在包括 AdaFace、CosFace、CurricularFace、ElasticFace、SphereFace2、SphereFace-R 和 TransFace 在内的七种主流未见模板类型上评估，GMoE-FTI 平均实现 40% 的 TAR 提升，平均 FAPD 和 FAPC 各降低 2%，验证了其跨异构模板的通用泛化能力。
| 主题： | 计算机视觉与模式识别（cs.CV）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.33055 [cs.CV] |
| （或 arXiv:2610.33055v1 [cs.CV] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.33055 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Zixuan Shen [查看邮箱]
[v1]
2026年10月19日星期一 07:31:52 UTC（1,859 KB）
来源：arXiv cs.AI · arxiv.org