基于稀疏微分Transformer的鲁棒人脸聚类

本文解决了人脸聚类中噪声的问题，这是现实世界应用中的一个关键问题。作者指出了现有方法的局限性，特别是Jaccard相似度的使用以及确定最佳邻居数量（Top-K）的挑战。核心贡献是稀疏微分Transformer（SDT），旨在减轻噪声并提高相似性测量的准确性。本文的重要性在于它有可能提高人脸聚类系统的鲁棒性和性能，尤其是在嘈杂的环境中。

• •解决了人脸聚类中的噪声问题。
• •提出稀疏微分Transformer (SDT) 以改善相似性度量。
• •在多个数据集上实现了最先进 (SOTA) 的性能。
• •侧重于提高嘈杂环境中人脸聚类的鲁棒性。