摘要

从单张人脸图像估计年龄是计算机视觉领域一个经典且具有挑战性的问题。其中最具难度的难题之一是标签模糊性（label ambiguity），即同一个人在相邻年龄段的人脸图像往往难以区分。现有部分方法通过利用年龄标签之间的语义相关性，采用分布学习（distribution learning）来缓解该问题。然而，大多数现有方法对所有图像均设定固定的高斯标签分布方差，这忽略了方差与相邻年龄之间相关性的内在联系，而实际上，方差应随年龄和个体差异而动态变化。为建模样本相关的方差，本文提出一种基于自适应方差的分布学习方法（Adaptive Variance based Distribution Learning, AVDL）。AVDL引入数据驱动的优化框架——元学习（meta-learning），实现方差的自适应调整。具体而言，AVDL在可变参数（即方差）上执行元梯度下降，以最小化在干净无偏验证集上的损失。通过为每个样本自适应地学习合适的方差，所提方法能够更有效地逼近真实的年龄概率分布。在FG-NET和MORPH II数据集上的大量实验表明，本文提出的方法在性能上显著优于现有最先进方法。