ComFace：利用合成数据进行人脸比较的面部表征学习

基于摘要分析。ComFace 研究如何从同一个体的两张人脸图像中捕捉面部变化，以缓解真实时序人脸图像难以采集的问题。其核心贡献是利用合成人脸图像学习面向人脸比较的表征，并迁移至表情变化、体重变化和年龄变化估计任务。 机制方面，ComFace 的学习目标同时涉及个体间面部差异与个体内面部变化，旨在获得可用于比较同一人不同状态的特征表征。合成数据是其克服真实个体内变化数据采集限制的关键。摘要未说明图像生成方式、变化因素控制、网络结构、损失函数，以及两类表征如何协同学习，这些实现条件尚未验证。 作者报告，在上述三类以同一个体两张人脸图像为输入的下游任务中，仅用合成数据训练的 ComFace，其迁移表现可比或优于使用真实图像训练的通用预训练及先进表征学习方法。摘要未提供数据集、样本规模、训练与测试划分、具体基线、指标及数值，因此无法判断优势幅度及其适用范围；实验协议、消融及统计信息尚未验证。 该研究的主要对象是人脸图像比较，而非神经信号或 BCI。摘要没有给出从人脸变化建模迁移到 EEG 的具体机制依据，因此不据此提出 EEG 迁移效果或复现实验建议。若复现原任务，应先核对合成数据生成流程、下游训练与评估设置，以及测试身份与训练身份的划分关系。