不同模态（例如近红外 NIR 和可见光 VIS）采集的人脸照片的匹配问题被称为异构人脸匹配（Heterogeneous face matching，HFM）问题。不同模态的数据之间具有互补性，例如 NIR 数据受光照影响小，网络上有大量的 VIS 数据等。不同模态的数据之间差异较大，并且缺失足够的训练样本对。本文提出了一种新的方法（coupled deep learning, CDL）来解决 HFM 问题。其主要的想法是对 NIR 的投影矩阵和 VIS 的投影矩阵引入组合迹范数（trace norm）来一方面使得两个投影矩阵之间具有相关性，另一方面作为正则项限制模型空间的复杂度；此外引入 Triplet ranking loss 来迫使类间的大间距，并给出了合理的 Triplet 选择方法。CDL 的性能在 CASIA NIR-VIS 2.0 数据集和 CUFS, CUFSF 上超过了目前最好的算法。不过本文仍然有一些地方没有很好研究：例如为什么组合 trace norm 可以迫使投影矩阵相关，没有做 ablation study，好的性能会不会是由于海量数据的预训练带来的，而不是 CDL 方法带来的？