論文の概要: Learning Oracle Attention for High-fidelity Face Completion

• arxiv url: http://arxiv.org/abs/2003.13903v1
• Date: Tue, 31 Mar 2020 01:37:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-18 01:06:59.612508
• Title: Learning Oracle Attention for High-fidelity Face Completion
• Title（参考訳）: 高忠実な顔補完のためのOracleの注意
• Authors: Tong Zhou, Changxing Ding, Shaowen Lin, Xinchao Wang and Dacheng Tao
• Abstract要約: U-Net構造に基づく顔補完のための包括的フレームワークを設計する。 複数のスケールで顔のテクスチャ間の相関関係を効率よく学習する双対空間アテンションモジュールを提案する。 顔成分の位置を事前の知識として捉え,これらの領域に複数識別器を課す。
• 参考スコア（独自算出の注目度）: 121.72704525675047
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-fidelity face completion is a challenging task due to the rich and subtle facial textures involved. What makes it more complicated is the correlations between different facial components, for example, the symmetry in texture and structure between both eyes. While recent works adopted the attention mechanism to learn the contextual relations among elements of the face, they have largely overlooked the disastrous impacts of inaccurate attention scores; in addition, they fail to pay sufficient attention to key facial components, the completion results of which largely determine the authenticity of a face image. Accordingly, in this paper, we design a comprehensive framework for face completion based on the U-Net structure. Specifically, we propose a dual spatial attention module to efficiently learn the correlations between facial textures at multiple scales; moreover, we provide an oracle supervision signal to the attention module to ensure that the obtained attention scores are reasonable. Furthermore, we take the location of the facial components as prior knowledge and impose a multi-discriminator on these regions, with which the fidelity of facial components is significantly promoted. Extensive experiments on two high-resolution face datasets including CelebA-HQ and Flickr-Faces-HQ demonstrate that the proposed approach outperforms state-of-the-art methods by large margins.
• Abstract（参考訳）: 高忠実な顔の完成は、豊かで微妙な顔のテクスチャが絡んでいるため、難しい課題である。 より複雑なのは、例えば、異なる顔成分間の相関、例えば、テクスチャの対称性と両目の構造である。 近年の研究では、顔の要素間の文脈的関係を学習するための注意機構が採用されているが、不正確な注意スコアの破壊的な影響を概ね見落としている。 そこで本稿では,U-Net構造に基づく顔補完のための包括的枠組みを設計する。 具体的には,複数のスケールで顔のテクスチャ間の相関を効率的に学習するデュアルスペースアテンションモジュールを提案する。さらに,アテンションモジュールに対してoracle監督信号を提供し,アテンションスコアが妥当であることを保証する。 さらに, 顔成分の位置を事前の知識として捉え, 顔成分の忠実度を著しく向上させる多識別器をこれらの領域に導入する。 CelebA-HQとFlickr-Faces-HQを含む2つの高解像度の顔データセットに対する大規模な実験は、提案手法が最先端の手法を大きなマージンで上回ることを示した。

関連論文リスト

• Improving Facial Landmark Detection Accuracy and Efficiency with Knowledge Distillation [4.779050216649159]
  本稿では,知識蒸留法の開発を通じて,これらの課題に対処する新しいアプローチを提案する。 私たちの目標は、さまざまな条件下で顔のランドマークを正確に特定できるモデルを設計することです。 この手法は成功し、IEEE ICME 2024 PAIRコンペティションの参加者165人中6位に終わった。
  論文  参考訳（メタデータ） (2024-04-09T05:30:58Z)
• LAFS: Landmark-based Facial Self-supervised Learning for Face Recognition [37.4550614524874]
  我々は、効果的な顔認識モデルの訓練に適応できる顔表現の学習に焦点をあてる。 本研究では,自己教師付き事前学習による未ラベル顔画像の学習戦略について検討する。 提案手法は,複数の顔認識ベンチマークにおける最先端技術よりも大幅に向上する。
  論文  参考訳（メタデータ） (2024-03-13T01:07:55Z)
• 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)
• Kinship Representation Learning with Face Componential Relation [19.175823975322356]
  Kinship Recognitionは、2つの顔画像の被験者が近親者か非近親者かを判定することを目的としている。 従来手法では,顔画像間の空間的相関を考慮せずに設計に重点を置いていた。 本稿では,画像間の顔成分間の関係を相互認識機構を用いて学習する顔成分関係ネットワークを提案する。 提案されたFaCoRNetは、最大の公的な親族認識FIWベンチマークにおいて、最先端の手法よりも大きなマージンで優れている。
  論文  参考訳（メタデータ） (2023-04-10T12:37:26Z)
• Dual Contrastive Learning for General Face Forgery Detection [64.41970626226221]
  本稿では,正と負のペアデータを構成するDCL (Dual Contrastive Learning) という新しい顔偽造検出フレームワークを提案する。 本研究は, 事例内コントラスト学習(Intra-ICL)において, 偽造顔における局所的内容の不整合に焦点をあてる。
  論文  参考訳（メタデータ） (2021-12-27T05:44:40Z)
• Attention-based Partial Face Recognition [6.815997591230765]
  本研究では,隠蔽領域の異なる顔を認識する部分的顔認識手法を提案する。 本稿では、ResNetの中間機能マップと個別のアグリゲーションモジュールの注意プールを組み合わせることで、これを実現する。 徹底的な分析により、複数のベンチマークプロトコルで全てのベースラインを上回ります。
  論文  参考訳（メタデータ） (2021-06-11T14:16:06Z)
• The Elements of End-to-end Deep Face Recognition: A Survey of Recent Advances [56.432660252331495]
  顔認識はコンピュータビジョンにおいて最も人気があり、長く続いたトピックの1つである。 ディープフェイス認識は目覚ましい進歩を遂げ、多くの現実世界のアプリケーションで広く利用されている。 本稿では,各要素の最近の進歩を概観する。
  論文  参考訳（メタデータ） (2020-09-28T13:02:17Z)
• Occlusion-Adaptive Deep Network for Robust Facial Expression Recognition [56.11054589916299]
  本研究では,隠蔽領域から腐敗した特徴を発見・破棄するためのランドマーク誘導型アテンションブランチを提案する。 注意マップが最初に作成され、特定の顔部が閉鎖されているかどうかを示し、我々のモデルを非閉鎖領域に誘導する。 これにより、顔が部分的に隠されている場合でも、表情認識システムが回復することができる。
  論文  参考訳（メタデータ） (2020-05-12T20:42:55Z)
• 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。

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。