待验证50% 置信事实时间未知
The Eigenfaces method uses PCA (Principal Component Analysis) to reduce the dimensionality of face images, extracting eigenfaces so that any face can be represented as a linear combination of these eigenfaces
1
来源数
50%
置信度
中期 (~90 天)
时效性
2026/7/2
首次发现
有效期至：2026/9/30
来源
相关事实
待验证Eigenfaces方法首次证明了基于统计学习的全局特征表示可以有效地用于人脸识别73% 相似待验证Face feature extraction encodes each face into a high-dimensional vector such as 128-dimensional or 512-dimensional70% 相似待验证SCRFD由InsightFace团队推出，全称为Sample and Computation Redistribution for Efficient Face Detection65% 相似待验证作者设计损失函数直接计算生成图像的人脸嵌入与目标人脸嵌入之间的距离，实现端到端可微的人脸相似度优化62% 相似待验证端到端可微的人脸相似度链路包括人脸检测（RetinaFace/MTCNN）、人脸对齐（Spatial Transformer Network）、特征提取（ArcFace/FaceNet/AdaFace，输出512维或128维嵌入）和余弦相似度计算61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/58373API
curl https://kongchang.com/api/v1/knowledge/claims/58373MCP
get_claim(id=58373)