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知与计算研究中心在生成对抗网络基础上，提出高保真度的姿态不变模型（High Fidelity Pose Invariant Model，HF－PIM）来克服人脸识别任务中最为经典的姿态不一致问题。

实验结果表明，该方法在基准数据集上的表现的视觉效果和定量性能指标都优于目前最好的基于对抗生成网络的方法。此外，HF－PIM所支持的生成图像分辨率也在原有方法的基础上提升了一倍。该论文被神经信息处理系统大会（NIPS）所收录。

为解决先前工作中的某些限制，论文作者在实验中引入了一种能反映三维人脸模型和二维的人脸图像之间点到点的关联稠密关联场，让网络能够在二维图像的指导下学习到隐含的三维人脸信息；并设计了一种全新的纹理扭曲（warping）过程，可以有效地把人脸纹理映射到图像域，同时又可以最大程度地保持输入的语义信息；以及提出了一种对抗残差字典学习过程，从而可以在不依赖三维数据的情况下更有效地学习人脸纹理特征。

实验结果表明，该方法在基准数据集上的表现的视觉效果和定量性能指标都优于目前最好的基于对抗生成网络的方法。此外，HF－PIM所支持的生成图像分辨率也在原有方法的基础上提升了一倍。该论文被神经信息处理系统大会（NIPS）所收录。

据了解，生成对抗网络的提出是继深度神经网络之后的一大革命性新进展，已被《麻省理工科技评论》评为2018年“全球十大突破性技术”，通过两个AI系统的竞争对抗，极大化加速机器学习的过程，进而赋予机器智能过去从未企及的想像力。