1、gallery set 参考图像集Probe set=test set 测试图像集face renderingFacial Landmark Detection 人脸特征点检测3D Morphable Model 3D 形变模型AAM (Active Appearance Model)主动外观模型Aging modeling 老化建模Aging simulation 老化模拟Analysis by synthesis 综合分析Aperture stop 孔径光标栏Appearance Feature 表观特征Baseline 基准系统Benchmarking 确定基准Bidirectional
2、 relighting 双向重光照Camera calibration 摄像机标定（校正）Cascade of classifiers 级联分类器face detection 人脸检测Facial expression 面部表情Depth of field 景深Edgelet 小边特征Eigen light-fields 本征光场Eigenface 特征脸Exposure time 曝光时间Expression editing 表情编辑Expression mapping 表情映射Partial Expression Ratio Image 局部表情比率图(,PERI)extrapersona
3、l variations 类间变化Eye localization,眼睛定位face image acquisition 人脸图像获取Face aging 人脸老化Face alignment 人脸对齐Face categorization 人脸分类Frontal faces 正面人脸Face Identification 人脸识别Face recognition vendor test 人脸识别供应商测试Face tracking 人脸跟踪Facial action coding system 面部动作编码系统Facial aging 面部老化Facial animation paramet
4、ers 脸部动画参数Facial expression analysis 人脸表情分析Facial landmark 面部特征点Facial Definition Parameters 人脸定义参数Field of view 视场Focal length 焦距Geometric warping 几何扭曲Street view 街景Head pose estimation 头部姿态估计Harmonic reflectances 谐波反射Horizontal scaling 水平伸缩Identification rate 识别率Illumination cone 光照锥Inverse render
5、ing 逆向绘制技术Iterative closest point 迭代最近点Lambertian model 朗伯模型Light-field 光场Local binary patterns 局部二值模式Mechanical vibration 机械振动Multi-view videos 多视点视频Band selection 波段选择Capture systems 获取系统Frontal lighting 正面光照Open-set identification 开集识别Operating point 操作点Person detection 行人检测Person tracking 行人跟踪Ph
6、otometric stereo 光度立体技术Pixellation 像素化Pose correction 姿态校正Privacy concern 隐私关注Privacy policies 隐私策略Profile extraction 轮廓提取Rigid transformation 刚体变换Sequential importance sampling 序贯重要性抽样Skin reflectance model,皮肤反射模型Specular reflectance 镜面反射Stereo baseline 立体基线Super-resolution 超分辨率Facial side-view 面部侧
7、视图Texture mapping 纹理映射Texture pattern 纹理模式Rama Chellappa读博计划：1.完成先前关于指纹细节点统计建模的相关工作。研究生期间，我参与了指纹细节点统计建模相关的研究工作，我们提出了一个非参回归模型用于量化指纹细节点空域分布的非齐次性，工作于 2015 年发表在国际生物特征识别大会（ ICB），后来做了些扩展工作，关于细节点模型评估方法的比较和研究。2.深入学习关于深度学习的相关理论和应用实践，并希望从事相关的研究工作。当前深度学习应用越来越很广泛，实际效果较传统方法有很大改进，显示了非常好的前景。但深度学习的理论研究显得相对落后，关于深层神经网络模型的参数设置和训练还只停留在比较经验性的指导原则上，对于非专家的广大应用工作者来说，很难掌握。我有幸参加了 2015 年的国际身份安全和行为分析国际会议，当时马里兰大学的 Rama Chellappa 作为大会主席（他也是今年 cvpr 的大会主席），他说到当前很多应用表明深度学习非常成功，但缺少理论基础，对于一个博士生来说，这是一个很有挑战性的研究课题。多少受到他的影响，但从我个人来说，我有着强烈欲望，想搞清楚 why and how does it work? 因此，希望从事相关的学习和研究工作。
