文章还没细看。细节日后再补充。
方法是基于多任务学习的。重点是强调了训练的generalization，通俗来讲就是在A数据库上训练的模型，在B数据库上测试毫无压力。关于这个“训练的问题”有篇很有意思的论文：
Unbiased Look at Dataset Bias 之前有人讨论过： 转：卖萌的大牛你桑不起啊 ——记CVPR2011一篇极品文章
算法的细节以后看了再评论。我主要想答“计算机超过人类”这点。
其实个人感觉这个“outperforms humans for the first time” 有点标题党。
实际上在2006年的大规模人脸测试 Face Recognition Vendor Test 2006 上，来自清华丁晓青老师研究组的TS2-NORM算法就已经超过人的识别率了。测试报告参见：http://www.nist.gov/customcf/get_pdf.cfm?pub_id=51131
如图所示，曲线越往右下角靠表示性能越好。黑色的是人类，可以看出有两个算法(V-NORM，ST-NORM)已经很接近人类的性能，而TS2-NORM就已经比人类好了。
这个实验采用的是80对人脸图像，分别是在可控光照和不可控光照下拍摄的，人需要在两秒之内判断每一对人脸是否来自同一个人（给出1到5的打分，1表示十分确定是同一个人，5表示十分确定不是同一个人）。一共有26个参与者参加了实验。
需要注意的是，这些图片仅包含光照变化，而且都是高清的。本题报道的论文是在LFW（http://vis-www.cs.umass.edu/lfw/）这个库上测试的。这个库是“非约束人脸识别”的一个最著名的标准库。库里的图像参见http://vis-www.cs.umass.edu/lfw/sets_1.html ，这些图像是网络上收集的，包含了很大的变量，例如光照、姿势、表情、遮挡、分辨率。可是说这个实验比2006那个要难很多。
但是，题主问的这篇也不是“第一篇”声称自己超过人类的。之前Facebook的Deepface也声称自己超过了人类：https://www.facebook.com/publications/546316888800776/
我个人感觉这些算法声称“超过人类”，都有点为了夺眼球的意思。从LFW的结果页面来看：http://vis-www.cs.umass.edu/lfw/results.html#Human
人类在LFW库上最好的识别结果是99.2%，题主提到的论文对比的是97.53%那个结果。两者不同是因为采用的图像裁剪、对齐方法不同(仅仅裁剪出含人脸的部分)。这个对齐方法对识别的影响是很大的。
那么回到问题上来，现在的人脸识别算法是否已经超越了人类呢？
我个人觉得还没有那么乐观。
正如题目这篇论文 Surpassing Human-Level Face Verification Performance on LFW with GaussianFace http://arxiv.org/abs/1404.3840 的讨论部分提到的，人脸其实比较善于识别“熟悉人脸”，比如一个人可以在很昏暗的环境下快速认出自己的朋友、可以从人群里快速找到自己的家人……2006年的那个测试和LFW上的这些测试，对于人类来讲，都是“不熟悉的人脸”，其实是很不公平的。有点像用计算机的长处去比了人类的短处。
自动人脸识别技术发展了40多年，False reject rate从1993年的79%降到2010年的0.3%(false accept rate=0.1%)，LFW库上的算法识别率从2007年的60%升到2014年的97~98%，可见是取得了巨大进步的。
现在人类到底是如何识别人脸的，机制还不是很清楚。但是，总体来说人脸识别算法还是在一步一步接近人类识别的。
— 完 —
本文作者：知乎用户（登录查看详情）
【知乎日报】
你都看到这啦，快来点我嘛 Σ(▼□▼メ)
此问题还有 6 个回答，查看全部。
延伸阅读：
LBP (Local Binary Pattern) 是目前流行的模式识别、人脸识别算法吗？
比较好的开源人脸识别软件有哪些？
