論文の概要: PF-cpGAN: Profile to Frontal Coupled GAN for Face Recognition in the Wild

• arxiv url: http://arxiv.org/abs/2005.02166v1
• Date: Sat, 25 Apr 2020 09:01:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 22:01:50.098773
• Title: PF-cpGAN: Profile to Frontal Coupled GAN for Face Recognition in the Wild
• Title（参考訳）: pf-cpgan: 野生の顔認識のための前頭結合ganのプロファイル
• Authors: Fariborz Taherkhani, Veeru Talreja, Jeremy Dawson, Matthew C. Valenti, and Nasser M. Nasrabadi
• Abstract要約: 多くのディープ・フェース・モデルでは、正面のフェースに比べてプロファイル・フェースを扱いにくい。 我々は、この接続を利用して、プロファイル顔と正面顔を共通の潜在空間に投影する。 プロファイルと正面画像の隠れた関係を見つけるために,cpGAN構造を利用する。
• 参考スコア（独自算出の注目度）: 22.78667743907491
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, due to the emergence of deep learning, face recognition has achieved exceptional success. However, many of these deep face recognition models perform relatively poorly in handling profile faces compared to frontal faces. The major reason for this poor performance is that it is inherently difficult to learn large pose invariant deep representations that are useful for profile face recognition. In this paper, we hypothesize that the profile face domain possesses a gradual connection with the frontal face domain in the deep feature space. We look to exploit this connection by projecting the profile faces and frontal faces into a common latent space and perform verification or retrieval in the latent domain. We leverage a coupled generative adversarial network (cpGAN) structure to find the hidden relationship between the profile and frontal images in a latent common embedding subspace. Specifically, the cpGAN framework consists of two GAN-based sub-networks, one dedicated to the frontal domain and the other dedicated to the profile domain. Each sub-network tends to find a projection that maximizes the pair-wise correlation between two feature domains in a common embedding feature subspace. The efficacy of our approach compared with the state-of-the-art is demonstrated using the CFP, CMU MultiPIE, IJB-A, and IJB-C datasets.
• Abstract（参考訳）: 近年、ディープラーニングの出現により、顔認識は例外的な成功を収めている。 しかし、これらの深層顔認識モデルの多くは、正面顔に比べてプロファイル顔の扱いが比較的不十分である。 この性能の悪い主な理由は、プロファイル顔認識に有用な大きなポーズ不変の深層表現を学習することが本質的に困難であるからである。 本稿では,プロファイルフェース領域が,深部特徴空間における正面フェース領域との段階的接続を有することを仮定する。 この接続を利用して、プロファイル面と正面面を共通の潜伏空間に投影し、潜伏領域における検証や検索を行う。 我々は,cpgan構造を用いて,潜在共通埋め込み部分空間内のプロファイルと前面画像との間の隠れた関係を探索する。 具体的には、cpGANフレームワークは、2つのGANベースのサブネットワークで構成されている。 各サブネットワークは、共通の埋め込み機能部分空間内の2つの特徴領域間のペアワイズ相関を最大化する射影を見つける傾向がある。 CFP, CMU MultiPIE, IJB-A, IJB-Cデータセットを用いて本手法の有効性を実証した。

関連論文リスト

• Pose Attention-Guided Profile-to-Frontal Face Recognition [13.96448286983864]
  本稿では,アテンション機構を介してポーズを補助情報として活用するための新しいアプローチを提案する。 我々は、プロファイル顔からポーズ非依存の特徴抽出を特別に導くために、新しいポーズアテンションブロック(PAB)を開発した。 より具体的に言うと、PABはネットワークがチャネル次元と空間次元の両方に沿って重要な特徴に焦点を合わせるのに役立つように設計されている。
  論文  参考訳（メタデータ） (2022-09-15T02:06:31Z)
• Profile to Frontal Face Recognition in the Wild Using Coupled Conditional GAN [23.903991257669492]
  プロファイル顔認識に有用なポーズ不変の深層表現を学習することは困難である。 我々は,条件付き生成対向ネットワーク(cpGAN)構造を利用して,プロファイルと正面画像の隠れた関係を見出す。 また,正面顔認識のための複合畳み込みニューラルネットワーク (cpCNN) と対角識別ドメイン適応ネットワーク (ADDA) を実装した。
  論文  参考訳（メタデータ） (2021-07-29T04:33:43Z)
• Heterogeneous Face Frontalization via Domain Agnostic Learning [74.86585699909459]
  本研究では, 視覚領域における正面視を, ポーズのバリエーションで合成できるドメイン非依存学習型生成逆数ネットワーク(DAL-GAN)を提案する。 DAL-GANは、補助分類器を備えたジェネレータと、より優れた合成のために局所的およびグローバルなテクスチャ識別をキャプチャする2つの識別器から構成される。
  論文  参考訳（メタデータ） (2021-07-17T20:41:41Z)
• SuperFront: From Low-resolution to High-resolution Frontal Face Synthesis [65.35922024067551]
  本稿では,前頭前頭部を保存した高品質なアイデンティティを生成できるGANモデルを提案する。 具体的には,高分解能(HR)面を1対多のLR面から様々なポーズで合成するSuperFront-GANを提案する。 超高解像度のサイドビューモジュールをSF-GANに統合し、人事空間におけるアイデンティティ情報とサイドビューの詳細を保存します。
  論文  参考訳（メタデータ） (2020-12-07T23:30:28Z)
• Multi-Margin based Decorrelation Learning for Heterogeneous Face Recognition [90.26023388850771]
  本稿では,超球面空間におけるデコリレーション表現を抽出するディープニューラルネットワーク手法を提案する。 提案するフレームワークは,不均一表現ネットワークとデコリレーション表現学習の2つのコンポーネントに分けることができる。 2つの難解な異種顔データベースに対する実験結果から,本手法は検証タスクと認識タスクの両方において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-05-25T07:01:12Z)
• Single-Side Domain Generalization for Face Anti-Spoofing [91.79161815884126]
  対面型アンチスプーフィングの一般化能力を向上させるために,エンドツーエンドの単一側ドメイン一般化フレームワークを提案する。 提案手法は,4つの公開データベース上での最先端手法よりも効果的かつ優れた手法である。
  論文  参考訳（メタデータ） (2020-04-29T09:32:54Z)
• 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)
• Domain Embedded Multi-model Generative Adversarial Networks for Image-based Face Inpainting [44.598234654270584]
  そこで本研究では,大規模刈り取り領域で顔画像の塗布を行うためのドメイン組込み多モデル生成逆数モデルを提案する。 CelebAとCelebA-HQの両方の顔データセットに対する実験により、提案手法が最先端の性能を達成したことを示す。
  論文  参考訳（メタデータ） (2020-02-05T17:36:13Z)

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。