論文の概要: Multi-Scale Thermal to Visible Face Verification via Attribute Guided Synthesis

• arxiv url: http://arxiv.org/abs/2004.09502v2
• Date: Sun, 14 Feb 2021 01:50:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-11 18:55:52.428510
• Title: Multi-Scale Thermal to Visible Face Verification via Attribute Guided Synthesis
• Title（参考訳）: 属性誘導合成によるマルチスケール熱可視顔認証
• Authors: Xing Di, Benjamin S. Riggan, Shuowen Hu, Nathaniel J. Short, Vishal M. Patel
• Abstract要約: 可視画像から抽出した属性を用いて、熱画像から属性保存された可視画像を合成し、クロスモーダルマッチングを行う。 抽出した属性によって導かれる熱画像から可視像を合成するために, 新規なマルチスケールジェネレータを提案する。 事前訓練されたVGG-Faceネットワークを利用して、合成画像と入力可視画像から特徴を抽出し、検証を行う。
• 参考スコア（独自算出の注目度）: 55.29770222566124
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Thermal-to-visible face verification is a challenging problem due to the large domain discrepancy between the modalities. Existing approaches either attempt to synthesize visible faces from thermal faces or learn domain-invariant robust features from these modalities for cross-modal matching. In this paper, we use attributes extracted from visible images to synthesize attribute-preserved visible images from thermal imagery for cross-modal matching. A pre-trained attribute predictor network is used to extract the attributes from the visible image. Then, a novel multi-scale generator is proposed to synthesize the visible image from the thermal image guided by the extracted attributes. Finally, a pre-trained VGG-Face network is leveraged to extract features from the synthesized image and the input visible image for verification. Extensive experiments evaluated on three datasets (ARL Face Database, Visible and Thermal Paired Face Database, and Tufts Face Database) demonstrate that the proposed method achieves state-of-the-art performance. In particular, it achieves around 2.41\%, 2.85\% and 1.77\% improvements in Equal Error Rate (EER) over the state-of-the-art methods on the ARL Face Database, Visible and Thermal Paired Face Database, and Tufts Face Database, respectively. An extended dataset (ARL Face Dataset volume III) consisting of polarimetric thermal faces of 121 subjects is also introduced in this paper. Furthermore, an ablation study is conducted to demonstrate the effectiveness of different modules in the proposed method.
• Abstract（参考訳）: 熱可視面の検証は、モダリティ間の領域差が大きいため、難しい問題である。 既存のアプローチでは、熱的顔から目に見える顔を合成するか、あるいはこれらのモダリティからドメイン不変なロバストな特徴を学習してクロスモーダルマッチングを試みる。 本稿では,可視像から抽出した属性を用いて,熱画像から属性保存された可視像を合成し,クロスモーダルマッチングを行う。 予め訓練された属性予測ネットワークを使用して、可視画像から属性を抽出する。 そして,抽出した属性によって導かれる熱画像から可視像を合成するために,新しいマルチスケールジェネレータを提案する。 最後に、予め訓練されたvgg-faceネットワークを利用して、合成画像と入力可視画像から特徴を抽出することで検証を行う。 3つのデータセット(ARL Face Database, Visible and Thermal Paired Face Database, Tufts Face Database)で評価された大規模な実験により,提案手法が最先端の性能を実現することを示す。 特に、ARL Face Database、Visible and Thermal Paired Face Database、Tufts Face Databaseの最先端の手法に比べて、EER(Equal Error Rate)の約2.41\%、2.85\%、1.77\%の改善を実現している。 本論文では,121人の被験者の偏光熱面からなる拡張データセット(ARL Face Dataset volume III)についても紹介する。 さらに,提案手法における異なるモジュールの有効性を示すためのアブレーション実験を行った。

関連論文リスト

• Precise Facial Landmark Detection by Reference Heatmap Transformer [52.417964103227696]
  より正確に顔のランドマークを検出するための参照ヒートマップ変換器(RHT)を提案する。 評価実験の結果,提案手法は文献における最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-14T12:26:48Z)
• Learning Domain and Pose Invariance for Thermal-to-Visible Face Recognition [6.454199265634863]
  本稿では、ドメインを同時に学習し、不変表現をポーズする新しいドメイン・アンド・ポース不変フレームワークを提案する。 提案フレームワークは,オフポジション熱画像と正面可視顔画像から最も相関の深い中間表現を抽出するための改良されたネットワークで構成されている。 DPIFは,前頭部のサーマルフェース画像と前頭部のサーマルフェース画像とをマッチングする際に,DPIFが性能を向上させることも示している。
  論文  参考訳（メタデータ） (2022-11-17T05:24:02Z)
• A Synthesis-Based Approach for Thermal-to-Visible Face Verification [105.63410428506536]
  本稿では,ARL-VTFおよびTUFTSマルチスペクトル顔データセット上での最先端性能を実現するアルゴリズムを提案する。 MILAB-VTF(B)も提案する。
  論文  参考訳（メタデータ） (2021-08-21T17:59:56Z)
• Simultaneous Face Hallucination and Translation for Thermal to Visible Face Verification using Axial-GAN [74.22129648654783]
  低分解能熱画像から熱可視面検証のタスクを紹介します。 本稿では,Axial-Generative Adversarial Network (Axial-GAN)を提案する。
  論文  参考訳（メタデータ） (2021-04-13T22:34:28Z)
• A Large-Scale, Time-Synchronized Visible and Thermal Face Dataset [62.193924313292875]
  DEVCOM Army Research Laboratory Visible-Thermal Faceデータセット(ARL-VTF)を発表します。 395人の被験者から50万枚以上の画像が得られたARL-VTFデータセットは、これまでで最大の可視画像とサーマルフェイス画像の収集データだ。 本論文では,ALL-VTFデータセットを用いたサーマルフェースランドマーク検出とサーマル・トゥ・ヴィジブルフェース検証のベンチマーク結果と分析について述べる。
  論文  参考訳（メタデータ） (2021-01-07T17:17:12Z)
• Unsupervised Learning Facial Parameter Regressor for Action Unit Intensity Estimation via Differentiable Renderer [51.926868759681014]
  骨駆動型顔モデル(BDFM)に基づいて,異なる視点で顔パラメータを予測する枠組みを提案する。 提案するフレームワークは,特徴抽出器,ジェネレータ,顔パラメータ回帰器から構成される。
  論文  参考訳（メタデータ） (2020-08-20T09:49:13Z)
• Unsupervised Facial Action Unit Intensity Estimation via Differentiable Optimization [45.07851622835555]
  顔画像からの顔AU強度推定のための教師なしフレームワークGE-Netを提案する。 本フレームワークは,入力画像に一致するように顔パラメータを反復的に更新する,微分可能な最適化を行う。 実験により,本手法は既存手法と比較して最先端の結果が得られることが示された。
  論文  参考訳（メタデータ） (2020-04-13T12:56:28Z)

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。