論文の概要: Do We Need Depth in State-Of-The-Art Face Authentication?

• arxiv url: http://arxiv.org/abs/2003.10895v2
• Date: Tue, 10 Nov 2020 11:52:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 09:17:44.705755
• Title: Do We Need Depth in State-Of-The-Art Face Authentication?
• Title（参考訳）: 最先端の顔認証には奥行きが必要ですか?
• Authors: Amir Livne, Alex Bronstein, Ron Kimmel, Ziv Aviv, Shahaf Grofit
• Abstract要約: 本研究では,顔表面や深度マップを明示的に計算することなく,ステレオカメラシステムから顔を認識する新しい手法を提案する。 原顔ステレオ画像は、顔が抽出された画像の位置とともに、提案したCNNが認識タスクを改善することができる。 提案手法は,大規模ベンチマークにおいて,単一画像と明示的深度に基づく手法の両方に優れることを示した。
• 参考スコア（独自算出の注目度）: 8.755493949976492
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Some face recognition methods are designed to utilize geometric information extracted from depth sensors to overcome the weaknesses of single-image based recognition technologies. However, the accurate acquisition of the depth profile is an expensive and challenging process. Here, we introduce a novel method that learns to recognize faces from stereo camera systems without the need to explicitly compute the facial surface or depth map. The raw face stereo images along with the location in the image from which the face is extracted allow the proposed CNN to improve the recognition task while avoiding the need to explicitly handle the geometric structure of the face. This way, we keep the simplicity and cost efficiency of identity authentication from a single image, while enjoying the benefits of geometric data without explicitly reconstructing it. We demonstrate that the suggested method outperforms both existing single-image and explicit depth based methods on large-scale benchmarks, and even capable of recognize spoofing attacks. We also provide an ablation study that shows that the suggested method uses the face locations in the left and right images to encode informative features that improve the overall performance.
• Abstract（参考訳）: いくつかの顔認識法は、深度センサから抽出した幾何情報を利用して、単一画像に基づく認識技術の弱点を克服するように設計されている。 しかし、深度プロファイルの正確な取得は高価で困難なプロセスである。 本稿では,ステレオカメラシステムから顔の認識を,顔表面や深度マップを明示的に計算することなく学習する新しい手法を提案する。 顔が抽出された画像の位置とともに生の顔ステレオ画像は、顔の幾何学的構造を明示的に扱う必要を回避しつつ、提案するcnnが認識タスクを改善することができる。 このようにして、1つの画像から識別認証の簡易性とコスト効率を保ちつつ、幾何データの利点を明示的に再構成することなく享受する。 提案手法は,既存の単一画像と明示的な奥行きに基づく手法を,大規模ベンチマークで上回り,スプーフィング攻撃を認識できることを示す。 また,提案手法が左右画像中の顔位置を用いて,全体的な性能を向上させる情報的特徴を符号化することを示すアブレーション研究も行った。

関連論文リスト

• DeepFidelity: Perceptual Forgery Fidelity Assessment for Deepfake Detection [67.3143177137102]
  ディープフェイク検出(Deepfake detection)とは、画像やビデオにおいて、人工的に生成された顔や編集された顔を検出すること。 本稿では,実顔と偽顔とを適応的に識別するDeepFidelityという新しいDeepfake検出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-07T07:19:45Z)
• Exploring Depth Information for Face Manipulation Detection [25.01910127502075]
  RGB顔画像からのパッチにより顔深度マップパッチを推定するための顔深度マップ変換器(FDMT)を提案する。 次に、推定された顔深度マップを、バックボーンの特徴と統合される補助情報とみなす。
  論文  参考訳（メタデータ） (2022-12-29T09:00:22Z)
• 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)
• Learning to Aggregate and Personalize 3D Face from In-the-Wild Photo Collection [65.92058628082322]
  非パラメトリックフェースモデリングは形状仮定なしで画像からのみ3次元フェースを再構成することを目的としている。 本稿では,教師なしのロバストな3次元顔モデリングのための学習・アグリゲート・パーソナライズ・フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-15T03:10:17Z)
• Robust Face-Swap Detection Based on 3D Facial Shape Information [59.32489266682952]
  顔のスワップ画像やビデオは、悪意ある攻撃者を惹きつけ、重要な人物の信用を損ねている。 以前のピクセルレベルのアーティファクトに基づく検出技術は、常に不明瞭なパターンにフォーカスするが、利用可能なセマンティックなヒントは無視する。 キーフィギュアの顔・スワップ検出のための外観・形状特徴をフル活用するための生体情報に基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-04-28T09:35:48Z)
• Face Super-Resolution Guided by 3D Facial Priors [92.23902886737832]
  シャープな顔構造を把握した3次元顔先行情報を明示的に組み込んだ新しい顔超解像法を提案する。 我々の研究は、顔属性のパラメトリック記述の融合に基づく3次元形態的知識を初めて探求したものである。 提案した3D先行画像は、最先端技術よりも優れた顔超解像結果が得られる。
  論文  参考訳（メタデータ） (2020-07-18T15:26:07Z)
• Deep Learning-based Single Image Face Depth Data Enhancement [15.41435352543715]
  本研究は,この文脈における深層学習顔深度向上手法を提案する。 ディープラーニングエンハンサーは、テスト済みの既存のエンハンサーよりも顕著に優れた結果が得られる。
  論文  参考訳（メタデータ） (2020-06-19T11:52:38Z)
• Towards Face Encryption by Generating Adversarial Identity Masks [53.82211571716117]
  敵の識別マスクを生成するためのターゲットID保護反復法(TIP-IM)を提案する。 TIP-IMは、様々な最先端の顔認識モデルに対して95%以上の保護成功率を提供する。
  論文  参考訳（メタデータ） (2020-03-15T12:45:10Z)
• Exploiting Semantics for Face Image Deblurring [121.44928934662063]
  本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。 顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。 提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
  論文  参考訳（メタデータ） (2020-01-19T13:06:27Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。