Fugu-MT 論文翻訳(概要): Dual-discriminator GAN: A GAN way of profile face recognition

論文の概要: Dual-discriminator GAN: A GAN way of profile face recognition

arxiv url: http://arxiv.org/abs/2003.09116v1
Date: Fri, 20 Mar 2020 06:01:58 GMT
ステータス: 処理完了
システム内更新日: 2022-12-21 22:32:40.852909
Title: Dual-discriminator GAN: A GAN way of profile face recognition
Title（参考訳）: デュアル差別化GAN:プロファイル顔認識のためのGAN方式
Authors: Xinyu Zhang, Yang Zhao, Hao Zhang
Abstract要約: 本稿では,GAN(Generative Adversarial Network)に基づく画像と画像のプロファイルによる正面顔生成手法を提案する。本稿では,GAN(Generative Adversarial Network)に基づく画像と画像のプロファイルを持つ正面顔を生成する手法を提案する。
参考スコア（独自算出の注目度）: 21.181356044588213
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A wealth of angle problems occur when facial recognition is performed: At present, the feature extraction network presents eigenvectors with large differences between the frontal face and profile face recognition of the same person in many cases. For this reason, the state-of-the-art facial recognition network will use multiple samples for the same target to ensure that eigenvector differences caused by angles are ignored during training. However, there is another solution available, which is to generate frontal face images with profile face images before recognition. In this paper, we proposed a method of generating frontal faces with image-to-image profile faces based on Generative Adversarial Network (GAN).
Abstract（参考訳）: 顔認識を行う際に生じる角度の問題は豊富であり、現在、特徴抽出ネットワークは、同一人物の正面顔とプロフィール顔認識との間に大きな差がある固有ベクトルを多数提示している。このため、最先端の顔認識ネットワークでは、同じターゲットに対して複数のサンプルを使用して、トレーニング中に角度による固有ベクトル差が無視されるようにする。しかし、認識前に顔画像のプロファイルを持つ前面画像を生成するという別の解決策がある。本稿では,GAN(Generative Adversarial Network)に基づいて,画像と画像のプロファイルを持つ正面顔を生成する手法を提案する。

関連論文リスト

Face Reconstruction from Face Embeddings using Adapter to a Face Foundation Model [24.72209930285057]
顔認識システムは、顔画像から埋め込みベクターを抽出し、これらの埋め込みを使用して個人を検証または識別する。顔再構成攻撃(英語: face reconstruction attack、テンプレート・インバージョンとも呼ばれる)とは、顔の埋め込みから顔イメージを再構成し、再構成された顔画像を用いて顔認識システムに入ることを指す。我々は,ブラックボックスの顔認識モデルの埋め込みから顔画像の再構成にフェイスファンデーションモデルを用いることを提案する。
論文参考訳（メタデータ） (2024-11-06T14:45:41Z)
A Comparative Analysis of the Face Recognition Methods in Video Surveillance Scenarios [0.0]
本研究では,最先端の顔認識手法に対する比較ベンチマーク表を提案する。本研究では, 年齢差, クラス内差(顔のメイクアップ, ひげなど)のある顔IDの映像監視データセットを構築し, ネイティブな顔画像データを用いて評価を行った。一方、この研究は、マスクのない顔、マスクされた顔、眼鏡をかけた顔など、さまざまな状況下で最高の認識方法を発見する。
論文参考訳（メタデータ） (2022-11-05T17:59:18Z)
Human Face Recognition from Part of a Facial Image based on Image Stitching [0.0]
現在の顔認識技術のほとんどは、認識される人物の完全な顔の存在を必要とする。そこで本研究では,欠損部を画像に示す部分のフリップで縫合する工程を採用した。ここで適用された顔認識アルゴリズムは固有顔と幾何学的手法である。
論文参考訳（メタデータ） (2022-03-10T19:31:57Z)
Pro-UIGAN: Progressive Face Hallucination from Occluded Thumbnails [53.080403912727604]
Inpainting Generative Adversarial Network, Pro-UIGANを提案する。顔の形状を利用して、隠された小さな顔の補充とアップサンプリング(8*)を行う。 Pro-UIGANは、HR面を視覚的に満足させ、下流タスクにおいて優れたパフォーマンスを達成する。
論文参考訳（メタデータ） (2021-08-02T02:29:24Z)
Generating Master Faces for Dictionary Attacks with a Network-Assisted Latent Space Evolution [68.8204255655161]
マスターフェイス(英: master face)とは、人口の大部分が顔に基づくアイデンティティ認証を通した顔画像である。そこで我々は,StyleGANフェイスジェネレータの潜伏埋め込み空間における進化的アルゴリズムを用いて,これらの顔の最適化を行う。
論文参考訳（メタデータ） (2021-08-01T12:55:23Z)
A Systematical Solution for Face De-identification [6.244117712209321]
異なるタスクにおいて、人々は顔の特定(De-ID)に様々な要件を持つ本稿では,これらのDe-ID操作に適合する系統的解を提案する。本手法は,様々な方法で顔データを柔軟に識別し,画像の画質が向上する。
論文参考訳（メタデータ） (2021-07-19T02:02:51Z)
FusiformNet: Extracting Discriminative Facial Features on Different Levels [0.0]
顔の特徴を識別する特徴抽出フレームワークFusiformNetを提案する。 FusiformNetは、外部データ、画像拡張、正規化、特別な損失関数をラベル付けせずに96.67%の最先端の精度を達成した。一般的な特徴と局所的な特徴の両方を抽出できる能力を考えると、FusiformNetの機能は顔認識に限らず、他のDNNベースのタスクにも拡張される可能性がある。
論文参考訳（メタデータ） (2020-11-01T18:00:59Z)
Face Hallucination via Split-Attention in Split-Attention Network [58.30436379218425]
畳み込みニューラルネットワーク(CNN)は、顔幻覚を促進するために広く用いられている。顔の全体像とテクスチャの細部を同時に考慮し,新たな内部分割注意グループ(ESAG)を提案する。これら2つの経路から特徴を融合させることにより、顔の構造の整合性と顔の詳細の忠実度が強化される。
論文参考訳（メタデータ） (2020-10-22T10:09:31Z)
Black-Box Face Recovery from Identity Features [61.950765357647605]
我々はアルゴリズムをテストするために最先端の顔認識システム(ArcFace)を攻撃した。我々のアルゴリズムは、最先端のソリューションに比べて、はるかに少ないクエリを必要とする。
論文参考訳（メタデータ） (2020-07-27T15:25:38Z)
DotFAN: A Domain-transferred Face Augmentation Network for Pose and Illumination Invariant Face Recognition [94.96686189033869]
本稿では,3次元モデルを用いたドメイン転送型顔強調ネットワーク(DotFAN)を提案する。 DotFANは、他のドメインから収集された既存のリッチフェイスデータセットから抽出された知識に基づいて、入力顔の一連の変種を生成することができる。実験によると、DotFANは、クラス内の多様性を改善するために、小さな顔データセットを増やすのに有益である。
論文参考訳（メタデータ） (2020-02-23T08:16:34Z)
Dual-Attention GAN for Large-Pose Face Frontalization [59.689836951934694]
本稿では,フォトリアリスティック顔フロンダル化のためのDA-GAN(Dual-Attention Generative Adversarial Network)を提案する。具体的には、ローカル機能と長距離依存関係を統合するために、自己アテンションベースのジェネレータが導入された。顔領域の局所的特徴を強調するために,新しい顔認識に基づく識別器を適用した。
論文参考訳（メタデータ） (2020-02-17T20:00:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。