propose a new model, called“Associa

propose a new model, called
“Associate-Predict” (AP) model, to address this issue. The
associate-predict model is built on an extra generic identity
data set, in which each identity contains multiple images
with large intra-personal variation. When considering two
faces under significantly different settings (e.g., non-frontal
and frontal), we first “associate” one input face with alike
identities from the generic identity date set. Using the associated
faces, we generatively “predict” the appearance of
one input face under the setting of another input face, or
discriminatively “predict” the likelihood whether two input
faces are from the same person or not. We call the two proposed
prediction methods as “appearance-prediction” and
“likelihood-prediction”. By leveraging an extra data set
(“memory”) and the “associate-predict” model, the intrapersonal
variation can be effectively handled.

結果 (繁體中文) 1:

提出一個新的模型，稱為
"協理-預測"(AP) 的模型，以解決這一問題。
關聯預測模型建立在一個額外泛型的身份上
資料集，其中每個標識包含多個圖像
變化較大內部個人。考慮兩個時
面孔下顯著不同的設置 (例如，非額葉
和額葉），我們第一次"關聯"一輸入人臉都
從設置的泛型標識日期的身份。使用關聯的
面孔，我們 generatively"預測"的外觀
一個輸入下的另一個輸入的臉上，設置工作面或
discriminatively"預測"可能性是否兩個輸入
面臨來自同一個人不是是。我們稱這兩個提議
作為"外觀-預測"的預測方法和
"可能性預測"。通過利用額外的資料 set
("memory") 和"准預測"模型中，個人才能
變化可以有效地處理。

結果 (繁體中文) 2:

提出了一種新的模式，被稱為
“準-預測”（AP）模式，來解決這個問題。該
聯營公司-預測模型是建立在一個額外的通用標識
數據集，其中每個標識包含多個圖像
的大內個人的變化。當考慮2
下顯著不同的設置面（例如，非額葉
和額），我們先用一點通“聯繫人”一輸入人臉
從一般的身份日期設置身份。使用相關聯的
面，我們generatively“預測”的出現
一個輸入面下的另一輸入面，或設置
有區別“預測”的可能性兩個輸入是否
面是從同一個人或沒有。我們稱這兩個建議的
預測方法為“外觀預測”和
“可能性預測”。通過利用一個額外的數據集
（“記憶”）和“準地預測”模型中，個人內在
變化可以有效地處理。

結果 (繁體中文) 3:

提出一個新的模型， called
「同事預言」(AP)模型，論及這個問題。The
associate預言模型在一個額外普通identity
data集合被建立，每個身分包含多images
with大內心的變異。當考慮two
faces在較大不同設置(即，非frontal
and額骨)下時，我們「首先同」一張輸入的面孔聯繫在一起alike
從普通身分日期集合的身分。使用associated
faces，我們generatively 「預言」出現of
one輸入面孔在另一張輸入面孔下設置， or
discriminatively 「預言」可能是否兩input
faces是從同一個人。我們叫兩個proposed
prediction方法作為「出現預言」and
「可能預言」。通過支持一額外數據set
(「記憶")和「同事預言」模型， intrapersonal
variation能有效地被處理。